基于A3C的多功能雷达认知干扰决策方法

在多功能雷达对抗领域, 目前基于强化学习理论的认知干扰决策方法难以满足雷达对抗高实时性要求。对此, 将异步优势行动者-评论家(asynchronous advantage actor-critic, A3C)算法引入到认知干扰决策领域, 设计了包括干扰机模型、环境模型(目标方多功能雷达)以及交互机制的认知干扰决策整体框架, 制定了干扰决策流程, 干扰机模型利用异步多线程方式与环境模型进行交互训练。仿真实验表明, 在扩充雷达任务转换关系表的基础上, 所提方法与基于深度Q网络(deep Q network, DQN)的认知干扰决策系列方法相比, 极大地提高了时间效率, 平均决策时间降低70%以上, 并且在决策准确度上有着明显优势, 表明所提方法能够为多功能雷达对抗决策提供更有力的技术支撑。     

基于马尔可夫的多功能雷达认知干扰决策建模研究

多功能雷达是现代电磁战场上不可或缺的重要装备, 针对多功能雷达的干扰一直是一个难题。本文在研究多功能雷达信号特点和雷达对抗过程的基础上, 提出了雷达状态联合表征的方法, 将多功能雷达的干扰决策问题建模为一个带收益的马尔可夫决策过程, 设计了认知干扰决策系统, 并通过基于Q-Learning的认知干扰决策算法求解该模型下的最佳干扰策略。通过仿真实验, 证明了基于Q-Learning的认知干扰决策算法能够在缺乏先验经验的情况下学习到最佳干扰策略, 具备“认知”的特性, 并且在不稳定的环境中也具有较强的适应性, 有效支撑了本文所提的干扰决策模型。     

MFR认知干扰决策体系构建及关键技术

随着多功能雷达(multifunctional radar, MFR)和认知电子战的不断发展,现有干扰决策体系越来越难以满足现代化战争的需求。对此,构建了一种对MFR的认知干扰决策体系。首先,构建了MFR信号层级结构,在此基础上结合认知特点,提出了认知干扰决策体系,使得对MFR的干扰决策体系具备了一定的认知能力。其次,对体系中的关键技术——干扰库和案例库的构建和更新、干扰有效性分析和基于强化学习的干扰策略分别进行了研究分析。对认知电子战的发展具有重要的理论和实际意义。     

MFR认知干扰决策体系构建及关键技术

随着多功能雷达(multifunctional radar, MFR)和认知电子战的不断发展,现有干扰决策体系越来越难以满足现代化战争的需求。对此,构建了一种对MFR的认知干扰决策体系。首先,构建了MFR信号层级结构,在此基础上结合认知特点,提出了认知干扰决策体系,使得对MFR的干扰决策体系具备了一定的认知能力。其次,对体系中的关键技术——干扰库和案例库的构建和更新、干扰有效性分析和基于强化学习的干扰策略分别进行了研究分析。对认知电子战的发展具有重要的理论和实际意义。     

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象，提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后，用数学语言对影响问题求解的约束条件进行描述，建立了资源联合调度模型；从应用强化学习解决问题的角度，对求解的问题进行马尔科夫决策过程描述后，分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略，并建立了DQN求解框架。仿真结果表明：基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。     

基于POMDP模型的智能雷达干扰决策方法

为了有效提高复杂电磁环境下对非合作方工作模式未知的智能雷达的干扰效率和准确率，提出了一种基于部分可观测马尔可夫决策过程(partially observable Markov decision process, POMDP)的干扰决策方法。首先，根据智能雷达的工作特点构建了智能雷达对抗系统的POMDP模型，采用非参数的、基于样本的信念分布反映智能体对环境的认知，并利用贝叶斯滤波更新智能体对环境的信念。然后，以信息熵作为评估准则，令干扰机选择信息熵最大的干扰样式不断尝试。最后，通过仿真实验与传统Q-学习法和经验决策法的干扰决策性能进行比较，验证所提方法的优越性。结果表明，所提方法能够根据未知雷达状态变化动态地选择最优干扰方式，且能更快实现对智能雷达的干扰决策。     

面向非协作多功能雷达的波形单元提取方法

针对当前波形单元提取技术难以应用于非协作多功能雷达(multi-function radar, MFR)实侦数据的问题, 构建了基于MFR多参数序列的二分类模型, 在此基础上提出了一种自适应确定输入参数的密度聚类算法进行分类。该方法无需依靠MFR波形库的先验知识, 采用无监督学习的方式提取波形单元。同时, 充分利用多参数间的联合变化和数据集的整体分布信息提高算法鲁棒性, 并通过引入输入参数λ可对不同用户需求调整算法性能。仿真实验表明, 该算法可以有效地提取非协作MFR波形单元, 同时能够适应测量误差和脉冲丢失的干扰, 具有良好的鲁棒性和准确性, 有利于实际工程应用。     

基于Q-学习的智能雷达对抗

随着雷达技术的进步,雷达发展趋于多功能与智能化,抗干扰能力增强,应用于常规雷达的对抗方法作战效能下降,针对多功能雷达,尤其是工作模式未知的智能对抗成为雷达对抗领域的热点与难点。基于此,该文阐述了智能雷达对抗(intelligent radar countermeasure, IRC)方法,对比了智能雷达对抗与传统雷达对抗(traditional radar countermeasure, TRC)的区别。介绍了强化学习(reinforcement learning, RL)基本原理,针对雷达工作模式及数目未知情况,提出了基于Q-学习的智能雷达对抗方法,给出了算法步骤,分析了Q矩阵收敛时间、收敛值与循环次数的关系。仿真实验表明:给定仿真实验条件下,智能化雷达对抗Q矩阵收敛时间仅为秒量级,能根据干扰效果自主学习并智能决策,提高了雷达对抗系统的实时性与自适应性,且能同时对抗多工作模式的雷达。     

基于DQN的探测干扰一体化波形优化设计

由于侦察干扰机设备具有发射功能，为使发射的干扰信号还具有探测的效果，考虑将探测信号隐藏在干扰信号中，提出一种基于非均匀间歇采样重复转发的探测干扰一体化信号波形。首先，建立一体化信号模型，并利用非均匀间歇采样重复转发技术实现幅度编码调制；然后，在优化过程中，从模糊函数以及雷达检测环节分析一体化信号的特征，根据距离、速度分辨率以及脉压后幅度的均值与标准差之比，构造相应的目标函数；最后，利用深度Q学习算法求解目标函数，获取最优的幅度编码方式。仿真结果表明，当编码状态量小时，深度Q网络(deep Q-network, DQN)算法与强化学习算法收敛效果一致。与遗传算法相比，DQN算法最优解的质量提高了13.10%;当编码状态量增大时，相对于遗传算法和强化学习算法，DQN算法的收敛值更优，最优解更稳定。     

高频地波雷达电台干扰的抑制

为抑制高频地波雷达电台干扰,提出用线性极化变换(LPVT)、非线性极化变换(NLPVT)和多凹口逻辑积极化(MLP)滤波相结合进行极化处理的方法。通过减小干扰极化状态的散落区域,降低干扰散落中心的不确定性,有效提高了滤波器性能。为实现实时处理,利用改进的多凹口逻辑积极化滤波算法解决了处理速度和凹口数量之间的矛盾。结合实际录取的高频雷达电台干扰数据,通过仿真实验证明该方法的有效性。实际雷达数据处理结果表明该方法可使信干比改善20dB以上。     

基于乘积调制的SAR灵巧干扰方法

噪声乘积调制不仅能获得雷达处理增益, 还能自动瞄准信号频率, 被广泛应用于目标突防等重要作战场景。借鉴其基本原理, 提出了对合成孔径雷达(synthetic aperture radar, SAR)的乘积调制灵巧干扰方法, 在不改变截获信号调制流程的基础上, 仅通过线下模板设计, 即可灵活选择压制或欺骗的不同干扰效果。首先建立了干扰信号模型, 推导分析了其成像结果, 继而详细阐述了调制模板的生成方法; 最后, 从理论上分析了干扰的性能情况。仿真结果表明, 所提的干扰方法能仅通过设计不同的调制模板即可实现场景压制或虚假目标欺骗, 干扰效果对侦察精度的依赖性较小, 干扰调制流程简单高效, 便于工程实践。     

主瓣多假目标干扰收发联合抑制方法

从现代电子战雷达抗干扰迫切需求出发, 针对主瓣多假目标干扰的对抗难题, 提出一种空时相位编码多输入多输出(space time phase coded multiple input multiple output, STPC-MIMO)信号与失配滤波器联合设计方法。该方法通过发射端STPC-MIMO信号设计可自适应调整回波中干扰能量的空域分布, 实现真假目标的空域分离, 进而结合接收端失配滤波器设计, 在信噪比损失可控情况下实现主瓣内多假目标有效抑制。此外, 由于该收发联合优化方法需要对干扰进行认知, 因此进一步给出了基于STPC-MIMO信号回波的假目标参数获取方法, 形成波形设计-干扰认知闭环雷达探测系统。最后通过仿真实验验证了所提方法的有效性。     

基于时变材料的合成孔径雷达图像二维调制方法

合成孔径雷达(synthetic aperture radar,SAR)能够通过高分辨图像中的尺寸、姿态、外形轮廓等关键信息对目标进行探测与识别,对关键军事目标造成了严重的威胁.如何有效控制目标的雷达特征,使其不易被SAR发现与分辨,已经成为干扰领域的关键问题.相较于有源干扰,无源干扰具有成本低、响应速度快、操作简单等...     

对线性调频雷达的正弦加权调频干扰技术

根据线性调频雷达发射信号的特点,提出一种新的应答式干扰技术——正弦加权调频干扰,即干扰机对接收到的雷达照射信号附加正弦频率调制,然后将调频结果放大之后转发出去。阐述了利用正弦信号进行频率调制的干扰机理,分析了干扰信号的频率特性,推算了决定干扰效果的各项关键参数。理论分析证明,正弦加权调频干扰对于线性调频雷达具有显著的干扰效果,根据调制参数不同可以产生假目标欺骗干扰和覆盖干扰,且只需要较小的干扰功率。仿真实验表明了理论分析的正确性和实际应用的可行性。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

单机多目标火力/电子战攻击综合决策

针对单机多目标攻击时的火力/电子战综合决策,提出了一种考虑电子干扰效果的火力打击目标排序算法。该算法根据目标雷达辐射源对载机的威胁程度,建立了机载有源压制干扰的能量分配方法,利用有源压制干扰对目标雷达的压制距离引入距离削弱因子,可获得有源干扰效果对目标威胁级别的影响程度,改进只考虑敌我双方火力威胁程度时的目标打击排序结果。给出了该算法的具体步骤,通过仿真实验证明了该算法的有效性。仿真结果表明,考虑有源干扰效果后的火力攻击目标排序,可以使飞行员首先攻击毁伤概率最大的目标,提高整体的作战效能。