认知雷达网络中的模式选择与目标分类

Simon Haykin于2006年提出认知雷达网络，以解决大型传统雷达实现的问题——主要是单点脆弱性和缺乏适应性。本工作提议利用认知雷达网络的适应性，在主动雷达观测（使用高功率且有被截获风险）与被动信号参数估计（利用目标发射获取侧信息并降低精确跟踪多目标所需功率）之间进行权衡。网络的目标是在多个目标航迹上学习目标特征以及每类目标的最优动作选择。为在可用动作间选择，我们利用多臂老虎机模型，以当前类别信息作为先验信息。当选择主动雷达动作时，节点通过雷达发射估计目标的物理行为。当选择被动动作时，节点通过被动感知估计目标的无线电行为。在多个目标航迹上，网络收集观测到的目标行为并形成行为相似目标的簇。由此，网络在元学习目标类别分布的同时，学习每类目标的最优模式选择。