一、前言
此示例說明如何為基于服務品質 （QoS） 優化的多功能相控陣雷達 （MPAR） 監控設定資源管理方案。它首先定義必須同時調查的多個搜尋扇區的參數。然後，它介紹了累積檢測範圍作為搜尋品質的度量，并展示了如何定義合适的實用程式函數以進行 QoS 優化。最後，該示例展示了如何使用數值優化将功率孔徑積 （PAP） 配置設定給每個搜尋扇區，以便最大化 QoS。
二、MPAR 資源管理
多功能相控陣雷達（MPAR）使用自動化資源管理來控制天線陣列的各個元件[1]。這允許MPAR将天線陣列劃分為不同數量的子陣列，以建立多個發射和接收波束。波束的數量、位置以及傳輸波形的參數可以在駐留到駐留的基礎上進行控制。這使得 MPAR 能夠同時執行多種功能，例如監視、跟蹤和通信。每個此類功能可以包含由雷達資料總管 （RRM） 管理的一個或多個任務。根據任務目标和目前的作戰情況，RRM為每個任務配置設定一定數量的雷達資源。
此示例重點介紹監視功能的資源管理。由于MPAR同時執行多種功能，是以隻有一小部分雷達資源（在正常情況下通常為50%[2]）可用于監視。如果RRM必須将監視資源重新配置設定給其他功能，則可以進一步減少此金額。
三、搜尋行業
MPAR的監測量通常分為幾個扇區。每個這樣的扇區都有不同的範圍和角度限制以及不同的搜尋幀時間 - 掃描扇區一次所需的時間[2]。RRM可以将對每個此類部門的監視視為單獨的獨立搜尋任務。是以，監視職能的可用資源必須在幾個搜尋部門之間取得平衡。此示例為 MPAR 開發具有三個搜尋扇區的 RRM 方案：地平線、遠端和高海拔。遠端扇區體積最大，覆寫從遠距離接近雷達的目标，而地平線和高海拔扇區專用于可以在雷達站點附近出現的目标。
将地平線扇區限制的方位角設定為 -45 到 45 度，仰角設定為 0 到 4 度，将遠端扇區限制設定為方位角為 -30 到 30 度，将高程扇區限制設定為方位角為 -0 到 30 度，将高程扇區限制設定為 -45 到 45 度，将高程設定為 30 到 45 度。
地平線扇區的範圍限制由目标被地平線隐藏的距離決定。給定雷達平台的高度，可以使用該函數計算此距離。遠端扇區的範圍限制由雷達的儀表範圍決定 - 超過該範圍，檢測機率接近零。最後，高海拔扇區的範圍極限由最大目标高度決定。将地平線、遠端和高海拔扇區的範圍限制分别設定為 40 km、70 km 和 50 km。
此示例假定 MPAR 同時對所有三個搜尋扇區執行監視。由于每個扇區具有不同的搜尋量，是以搜尋幀時間，tf對于每個扇區都是不同的。此外，每個扇區可以具有不同數量的光束位置，Nb假設停留時間，Td（光束在每個光束位置花費的時間）在搜尋扇區内是恒定的，它與搜尋幀時間相關Td=tf/Nb.将地平線扇區的搜尋幀時間設定為 0.5 秒，将遠端扇區的搜尋幀時間設定為 6 秒，将高海拔扇區的搜尋幀時間設定為 2 秒。
選擇搜尋幀時間，使一次掃描中未檢測到的目标所覆寫的閉合範圍明顯小于目标範圍。考慮一個徑向速度為 250 m/s 的目标，該目标出現在扇區的範圍限制處。計算每個搜尋扇區中此目标的閉包範圍。
在一次掃描中，如果該目标位于地平線扇區，則該目标将靠近雷達125 m。由于地平線扇區覆寫可能非常靠近雷達站點的目标，是以必須經常搜尋該扇區，并且在下一次嘗試探測之前，未檢測到的目标不要太靠近雷達。另一方面，遠端扇區的射程限制為70 km，相應的目标閉合距離為1.5 km。是以，遠端扇區中未檢測到的目标在一次掃描中隻能覆寫扇區範圍限制的一小部分。
為友善起見，請将搜尋扇區參數組織到結構數組中。
四、服務品質資源管理
在正常操作條件下，監視功能通常配置設定足夠的資源，以便在每個搜尋扇區中實作所需的檢測性能。但是，在監視功能必須與其他雷達功能競争雷達資源的情況下，RRM可能隻将所需資源的一小部分配置設定給每個搜尋扇區。這些資源可以根據部門優先事項等硬性規則進行配置設定。然而，提出在所有操作條件下提供最佳資源配置設定的規則是非常困難的。更靈活的方法是為每個任務配置設定一個名額來描述所執行函數的品質 [3]。可以根據任務品質來指定性能要求，RRM 可以調整任務控制參數來實作這些要求。
此示例假定資源以 PAP 的形式配置設定給搜尋扇區，而扇區的搜尋幀時間保持不變。将PAP視為資源很友善，因為它可以捕獲系統的功率和孔徑預算。所提出的資源配置設定方法可以進一步擴充為還包括搜尋幀時間以優化系統的時間預算。
五、搜尋任務品質
搜尋任務的目标是檢測目标。當目标進入搜尋扇區時，雷達可以通過多次掃描檢測到它。每次掃描時，随着目标接近雷達站點，累積的探測機率也會增加。是以，描述搜尋任務品質的一個友善名額是累積檢測範圍Rc累積檢測機率達到所需值的範圍Pc4]. 常用的Pc0.9，相應的累積檢測範圍表示為R90計算檢測的累積機率。
超出扇區的範圍限制，目标将無法檢測到，累積檢測機率為零。從扇區的範圍限制開始，當目标接近雷達時，每次掃描的檢測嘗試次數都會增加。是以，累積檢測機率随着目标範圍的減小而增加。通過改變每個扇區的配置設定PAP，雷達可以改變R90圍。
六、累積檢測範圍
範圍R90積檢測機率等于 0.9，可通過數值求解方程求解Pc(R）−0.9=0關于範圍變量R.計算R90在每個部門作為配置設定的PAP的職能。
該結果顯示了每個搜尋扇區對搜尋任務品質的依賴性，R90在配置設定的資源上，即 PAP。RRM 可以将較少或更多的 PAP 配置設定給搜尋扇區，以減少或增加R90但是，随着配置設定的 PAP 的增加，R90近由扇區範圍限制限定的漸近值。如果R90經接近扇區的範圍限制，為該扇區配置設定更多的PAP不會顯著提高搜尋任務的品質。
七、搜尋任務實用程式
QoS優化問題旨在找到一種資源配置設定，共同優化所有扇區的搜尋品質。由于不同的值R90以由不同的搜尋扇區所期望，簡單地最大化累積檢測範圍的總和不會導緻公平的資源配置設定。在這種情況下，搜尋具有較大R90為目标函數做出更大的貢獻，以較小的搜尋扇區占主導地位R90 .要解釋所需值的差異R90整個行業中，QoS 優化問題首先将品質名額映射到實用程式。該實用程式描述對搜尋任務執行方式的滿意程度。聯合效用可以通過首先權重然後對各個任務的效用求和來最大化。
使用這些實用程式函數，可以将 PAP（資源）映射到實用程式。
長距離和高海拔扇區需要約50 W·m²的PAP才能具有非零效用。同時，視界扇區的效用最大化為75 W·m²，配置設定更多的PAP不會提高QoS優化問題的目标。總體而言，地平線和高海拔扇區比遠距離扇區需要更少的PAP，以實作相同的效用。
八、正常運作條件下的效用
假設在正常操作條件下，每個搜尋扇區都實作了最大效用。在這種情況下，RRM 不需要優化資源配置設定。每個扇區使用的資源量足以滿足累積檢測範圍的相應客觀要求。
計算在每個扇區實作最大效用所需的 PAP。首先，找到在目标值R90.然後使用該函數求解雷達搜尋方程的功率孔徑形式，以找到扇區的PAP的相應值。
在正常運作條件下，監控功能使用的PAP總量是每個部門使用的最大效用PAP值的總和。
九、QoS優化問題的解決方案
在正常操作條件下，所有搜尋任務都以最大效用運作，導緻累積檢測範圍等于或超過每個搜尋扇區的目标值。由于MPAR可用的資源總量是有限的，其他雷達功能的活動，如跟蹤、維護或通信，以及系統錯誤和故障，可能會對監視功能可通路的資源量施加新的限制。這些與正常操作條件的偏差促使RRM重新計算搜尋任務的資源配置設定，以便滿足新的限制，并且所有扇區的權重效用再次最大化。
QoS 優化問題可以使用優化工具箱™中的函數以數值方式求解。fmincon
設定扇區優先級權重，使地平線扇區具有最高優先級，而遠端扇區具有最低優先級。
這些圖可視化了在 QoS 優化中執行的兩步轉換。第一步計算R90PAP 計算效用，而第二步從R90要遵循此變換，請從頂部子圖的 y 軸開始，然後選擇一個 PAP 值。然後在 PAP 與 .R90線。标記R90軸上此點的值。使用這個R90在底部子圖中的效用曲線上查找一個點。最後，在底部子圖的 y 軸上找到相應的效用。可以反向跟蹤同一組步驟，以從實用程式轉到 PAP。
本例中的監視功能設定為地平線扇區具有最高優先級。它還需要更小的PAP來實作目标R90 與其他兩個部門相比。QoS優化為視界扇區配置設定了74.1 W·m²的PAP。這等于在正常運作條件下配置設定給該扇區的金額，導緻地平線扇區效用接近1。
繪制遠端和高海拔扇區的優化結果。
QoS優化分别為長端和高海拔扇區配置設定114.2 W·m²和183.25 W·m²。此配置設定導緻R90程扇區約55公裡，相當于0.5的效用。這R90海拔地區的範圍等于43 km，效用約為0.87。與遠端扇區相比，QoS 優化更青睐高海拔扇區，因為相應的扇區優先級權重更高。使用提供的輔助功能可視化雷達搜尋扇區，其最佳值為helperDrawSearchSectorsR90從 QoS 優化中獲得。然後使用條形圖繪制計算出的最佳 PAP 配置設定，并将其與正常操作條件下的 PAP 配置設定進行比較。
十、結論
本示例開發了一個資源管理方案，用于具有多個搜尋扇區的 MPAR 的監視功能。該示例首先定義三個搜尋扇區的參數：地平線、遠端和高海拔。然後引入QoS優化問題作為資源配置設定方案。累積檢測範圍用作描述搜尋任務品質的性能度量，基于門檻值和目标值的效用函數用于将品質映射到效用空間。最後，該示例展示了如何數值求解QoS優化問題，以獲得PAP對搜尋扇區的最優配置設定。
十一、參考文獻
- James A. Scheer, William L. Melvin,Principles of Modern Radar: Radar Applications, Volume 3.United Kingdom:Institution of Engineering and Technology,2013.
- Barton, David Knox.Radar equations for modern radar. Artech House, 2013.
- Charlish, Alexander, Folker Hoffmann, Christoph Degen, and Isabel Schlangen. “The Development From Adaptive to Cognitive Radar Resource Management.”IEEE Aerospace and Electronic Systems Magazine35, no. 6 (June 1, 2020): 8–19.
- Hoffmann, Folker, and Alexander Charlish. "A resource allocation model for the radar search function." In2014 International Radar Conference, pp. 1-6. IEEE, 2014.
十二、程式
程式下載下傳：【程式】基于matlab雷達資源管理的服務品質優化
程式大全：Matlab和Simulink仿真程式彙總（2023年1月彙總）