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。     

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。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

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。     

基于先验知识的多功能雷达智能干扰决策方法

针对基于强化学习的多功能雷达干扰决策方法训练周期长、收敛慢的问题，本文提出了基于先验知识的多功能雷达智能干扰决策算法。所提算法使用了基于势能函数的收益塑造理论，利用先验知识设置收益函数，相比于传统算法，具有更快的收敛速率。利用先验知识加速算法收敛速率的方法对强化学习在多功能雷达干扰决策中的实际应用具有重要的意义，对于强化学习在其他领域的应用也具有很好的参考价值。     

巡航导弹弹载干扰机性能分析与仿真

为精确分析巡航导弹弹载干扰机的干扰性能,建立了考虑电波传输损耗、干扰天线特性、雷达接收机性能、巡航导弹雷达反射面积的干扰与探测的对抗模型,并在雷达天线指向导弹而弹载干扰机天线不一定指向雷达的最坏情形下,对不同的干扰压制比、干扰天线与雷达天线夹角、干扰频率、目标雷达反射面积下的干扰机最小干扰距离进行了仿真,精确得出巡航导弹弹载干扰机在不同作战环境下的干扰能力。     

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。     

基于检测概率的雷达网协同干扰效果评估方法

针对突防编队对抗雷达网的应用背景,以雷达网检测概率为评价指标,建立了应用于干扰机编队多样式协同压制雷达网的干扰效果评估模型。首先阐述了影响压制效果的时间、空域、频率和处理增益4个因素,据此计算了单部雷达在多样式干扰下的检测概率。然后结合雷达网判决中心的工作方式,将网内成员雷达在多样式干扰下的检测性能映射到计算全网的受干扰影响程度。最后充分利用干扰机编队的航线信息,提出以“电子对抗环境下雷达网判决中心对不同航线段内突防编队的联合检测概率下降程度的加权积分”为干扰效果评估函数,建立干扰机编队对雷达网的多样式干扰效果评估模型。仿真结果表明,该模型在雷达网干扰效果评估问题上具有很好的应用性,对合理分配干扰资源、提高干扰机编队的整体干扰效果也有一定的指导意义。     

干扰规则库未知条件下的干扰决策

针对模板匹配(template matching, TM)应用于未知干扰规则库时干扰决策正确率低问题,提出基于迁移成分分析-支持向量机(transfer component analysis support vector machine, TCA SVM)的干扰决策方法。对空-空场景机载多功能火控雷达,提取雷达信号特征,构建雷达干扰规则库及未知威胁数据集,通过迁移成分分析把两个样本集的特征映射到同一低维隐藏空间,提取样本隐藏空间特征,经过支持向量机训练,实现对未知威胁数据集的干扰决策。实验结果表明:所提方法有效提高了干扰决策正确率,TCA-SVM出色的学习及泛化能力,较好地解决了干扰规则库未知条件下干扰决策问题。     

协同干扰资源优化分配模型及算法

针对伴飞式干扰机编队对抗雷达网的应用背景,以组网雷达融合中心定位精度为目标函数,建立针对组网雷达系统的干扰资源优化分配模型。在此基础上充分利用突防过程的干扰机编队飞行航线信息,提出以“融合中心对航线各点定位精度的加权积分”为目标函数,建立基于突防过程的干扰资源优化分配模型。最后利用遗传算法求解上述模型的最优分配方法,并给出具体的求解步骤。仿真结果表明,该分配模型在干扰资源任务配置问题上具有很好的应用性,对提高干扰机编队的整体干扰效果有一定的可行性。     

基于干扰机组网主瓣干扰的单脉冲雷达航迹欺骗干扰技术

以组网干扰对抗现代雷达为研究背景,针对单脉冲雷达航迹欺骗问题,提出了基于干扰机组网主瓣干扰的航迹欺骗干扰技术。分析了单脉冲雷达干扰基本原理和航迹欺骗要点,给出了组网主瓣干扰航迹欺骗机理和实现过程。首先通过干扰信号传输路径和相位控制,构造两点源相干干扰条件,建立两台干扰机在雷达主瓣内形成可控欺骗点迹的基本模型。在此基础上,设计干扰机组网工作模式,采用组内协同和组间接力的方式对干扰模型进行扩展,形成持续性高逼真欺骗航迹。仿真结果证明了该技术的可行性和有效性。     

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。     

基于脉内步进LFM波形的抗间歇采样转发干扰方法

间歇采样噪声调制转发式的灵巧噪声干扰向来是雷达干扰对抗的难点。在深入研究间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)的基础上,针对ISRJ时域不连续采样的特点,提出一种基于脉内步进线性调频(linear frequency modulation, LFM)波形的抗ISRJ方法。该方法利用脉内步进LFM子脉冲之间的正交性互相掩护,子脉冲间频率步进使得干扰采样段经调制后仍无法干扰相邻子脉冲,从而可以有效提取干扰机没有采样的信号段,在对抗高占空比的重复转发干扰时优势明显。仿真条件下,干扰采样与发射波形分段非同步时,窄子脉冲较宽子脉冲输出信干噪比提高约3.1 dB。     

模拟退火算法在雷达干扰资源优化分配中的应用

为了使有限的雷达干扰资源发挥最佳的干扰效果,以干扰机压制概率公式计算为基础,建立雷达干扰资源分配目标函数.先应用模拟退火算法优先分配威胁等级较大的雷达,将干扰压制概率较大的干扰资源进行优化分配,然后在此基础上,再对剩余的干扰资源进行二次模拟退火优化分配,以实现从可行的解空间中找出满足目标函数和约束条件的雷达干扰资源分配的全局最优方案解.仿真结果表明,该方法不仅有效、可行,而且能同时适用于"一对一"和"多对一"情况分配,对于设计和开发雷达干扰智能决策支持系统有一定的意义.     

二维间歇采样延迟转发SAR干扰技术及其应用

为确保重要目标的信息安全,提出了一种二维间歇采样延迟转发的SAR干扰技术,该技术直接攻击SAR的脉内相干特性,使雷达在干扰机附近的距离向和方位向同时产生多个以主假目标为中心对称分布的逼真假目标串,干扰效果取决于距离向和方位向的采样周期和占空比。因结合延迟转发技术,产生的距离向主假目标和方位向主假目标将不再重叠,且会偏离干扰机的所在位置,既可得到逼真的干扰效果,又保护了干扰机的安全。针对现有文献研究干扰技术多、研究应用少的问题,建立了二维间歇采样转发干扰技术的应用模型,给出了高阶假目标能量补偿的调制系数。仿真实验验证了上述理论和方法的有效性和优越性。