基于MPBI分解的STAP雷达分布式干扰方法技术

本发明专利技术公开了一种基于MPBI分解的STAP雷达分布式干扰信号生成方法，解决了现有技术对STAP雷达的干扰信号能量损失过大和无法同时对多个目标进行干扰的问题。实现步骤是：初始化干扰机参数并判定截获雷达的危险等级；建立干扰资源调度数学模型F(x)；设置干扰约束条件；设置种群最优解集和权重向量；执行标准遗传算法产生新个体；根据支配关系更新种群理想点；利用MPBI分解运算寻求模型最优解；获得进化后的种群最优解集；分配最优解集数据，完成对雷达组网的分布式干扰。本发明专利技术通过MPBI算法得到最优解集并分配给干扰资源调度模型，减小了功率损耗，提高了干扰成功率，灵活性较高，用于多部干扰机和STAP雷达组成的“多对多”干扰场景。场景。场景。

【技术实现步骤摘要】
基于MPBI分解的STAP雷达分布式干扰方法


[0001]本专利技术属于雷达
，更进一步涉及雷达干扰方法，具体是一种基于改进惩罚边界交集MPBI(M
‑
Penalty
‑
based Boundary Intersection)分解的空时自适应处理STAP(Space
‑
Time Adaptive Processing)雷达分布式干扰方法。用于干扰机对目标函数求解最优解，然后利用最优解产生的干扰信号，对截获雷达进行干扰。

技术介绍

[0002]相比于地基雷达较为简单的杂波抑制过程，机载雷达所面对的信号探测环境更为复杂。为了能够有效的抑制干扰信号，机载雷达采用STAP(空时自适应处理)技术进行抗干扰，STAP雷达具有极强的自适应性，可对强杂波和常规干扰进行有效抑制。由此可见，具有优越杂波抑制性能的STAP雷达无疑使得干扰方在实施对抗行动时存在一定难度。更为严重的是，在电子对抗中，如我方针对对方不进行干扰，我方的战机将无法得到有效掩护，使作战方案的部署毁于一旦。目前，针对STAP雷达的干扰技术的研究仍处于起步阶段，对STAP雷达的干扰效果主要由干扰样式和干扰功率决定，现今对STAP算法的干扰研究仅集中在设计有效的干扰样式，破坏STAP算法中训练样本的独立同分布条件，但需要通过侦察设备精确获取敌方雷达的重要参数及位置信息，对侦察技术提出了更高要求，实现难度较大。因此，针对干扰机的干扰功率的研究可以更有效的抑制STAP雷达，最重要的是减小干扰机的能量损耗。
[0003]王坤等在其发表的论文“针对STAP雷达的分布式投散射伪杂波干扰方法”(《探测与控制学报》，2020，42(6))中公开了一种对STAP雷达的分布式干扰信号产生方法。该方法首先采用多部干扰机同时向地面投射信号散射波，然后利用地物散射形成具有空时二维耦合性质的干扰信号，最后通过改变调制参数合理选择频率间隔，合成出很宽的伪杂波谱并占据了更多的自由度，使STAP雷达在滤除伪杂波的同时滤除目标，从而达到干扰效果。该方法提出了用多部干扰机进行干扰，区别于传统的一对一模式，对STAP雷达的干扰效果明显提高，但是，该方法目前仍然存在的不足之处是，地面散射波的能量较小，能够被雷达接收到的干扰信号太弱，为了实现对于截获雷达的有效干扰需要每个干扰机同时发射较大的功率，由于每一个干扰机的方向和位置不同，截获雷达接收到的不同干扰机发射的干扰信号功率不同，这些接收到的干扰信号中只有功率在特定范围内的信号可以达到干扰效果，因此这个方法会造成功率损耗。
[0004]由于对STAP雷达进行对抗的传统干扰方法为单点源主瓣干扰，而在这种情况下，干扰的普适性将受到限制，缺乏了对采用旁瓣干扰的分析。在远距离支援旁瓣干扰下，但由于干扰个数较少且离目标所在位置较远，干扰信号将会被空时二维处理所抑制，不会给目标探测带来强有力的威胁。同时，雷达干扰资源分配场景往往为单部干扰机对抗单部雷达这种一对一模式，所以当截获雷达部数增加，干扰样式多变时，干扰机不能对STAP雷达有很好的抑制。但是要增加多部干扰机，需同时考虑干扰机将受到干扰样式、干扰功率及频段的多种因素影响，其中，多部干扰机的干扰功率分配对截获雷达的干扰效果影响较大，使得干
扰的有效性难以得到保证。
[0005]目前，当干扰机数量较少时，传统的单点源主瓣干扰以及远距离支援旁瓣干扰都不能有效的应对多部雷达，干扰信号容易被STAP雷达抑制，不能达到干扰的效果，而已有的针对STAP雷达的干扰方法没有对干扰机的干扰功率进行分配，而是采用相同的干扰功率进行干扰，这种方法对于干扰机的功率损耗大，由于以上的影响因素，现在针对STAP雷达的干扰效果不佳。

技术实现思路

[0006]本专利技术的目的在于针对上述已有技术的不足，提出了一种通过优化功率分配减小功率损耗的基于MPBI的STAP雷达分布式干扰信号产生方法。
[0007]本专利技术是一种基于MPBI分解的STAP雷达分布式干扰信号生成方法，其特征在于，使用多部干扰机对多部截获雷达形成优化的分布式协同干扰，包括有如下步骤：
[0008](1)初始化干扰机参数并判定截获雷达的危险等级：根据侦查设备采集的截获雷达的关键参数判定截获雷达的危险等级，令危险等级的集合为ω
r1
,ω
r2
,...,ω
ri
,...,ω
rN
，其中i＝1,2,
…
,N，N为截获雷达总数，ω
ri
表示接收的第i部截获雷达的威胁等级，ω
ri
取值为0～1内的实数；初始化干扰机参数，设置M部干扰机，干扰机集合为J＝[J1,J2,...,J
j
,...,J
M
]，令s
ji
表示第j部干扰机对第i部截获雷达的干扰样式，令p
ji
表示第j部干扰机对第i部截获雷达的干扰功率，j＝1,2,
…
,M；
[0009](2)建立干扰资源调度数学模型F(x)：基于干扰样式和干扰功率建立多干扰源针对多目标的干扰资源调度数学模型F(x)，模型中包含ω
ri
,a
ji
,s
ji
,p
ji
四个参数，其中，f
i
(x)表示干扰第i部截获雷达对应的干扰目标函数，ω
ri
表示接收的第i部截获雷达的威胁等级，a
ji
为第j部干扰机对第i部截获雷达的空时干扰因子，s
ji
为第j部干扰机对第i部雷达干扰时所采用的干扰样式，p
ji
为第j部干扰机对第i部雷达的干扰归一化功率；
[0010](3)设置干扰约束条件：根据干扰资源调度数学模型F(x)，设置干扰约束条件为：
[0011][0012]上式中，表示第j个干扰机对N个截获雷达的干扰归一化功率之和为1，s
1i
＝s
2i
＝
…
＝s
ji
＝
…
＝s
Mi
表示j部干扰机干扰同一部截获雷达时，干扰样式相同，干扰机干扰不同的截获雷达时，干扰样式不同；
[0013](4)设置种群最优解集和权重向量：调用一个干扰机种群，用于存放M部干扰机的干扰样式、干扰功率的最优解，并将该种群最优解集EP置成空集φ；设置一组理想点z＝(z1,z2,...,z
i
,...,z
N
)，i＝1,2,
…
,N，在最优解集中N表示理想点总数，N取正整数，z
i
表示第i个理想点，根据干扰约束条件对理想点值进行随机设置一组分布均匀的权重向量λ1,...,λ
k
,...λ
K
，k＝1,2,
…
,K，λ
k
表示第k个权重向量，K为种群大小；
[0014]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MPBI分解的STAP雷达分布式干扰信号生成方法，其特征在于，使用多部干扰机对截获雷达形成分布式协同干扰，包括有如下步骤：(1)初始化干扰机参数并判定截获雷达的危险等级：根据侦查设备采集的截获雷达的关键参数判定截获雷达的危险等级，令危险等级的集合为ω
r1
，ω
r2
，...，ω
ri
，...，ω
rN
，其中i＝1，2，
…
，N，N为截获雷达总数，ω
ri
表示接收的第i部截获雷达的威胁等级，ω
ri
取值为0～1内的实数；初始化干扰机参数，设置M部干扰机，干扰机集合为J＝[J1，J2，...，J
j
，...，J
M
]，令s
ji
表示第j部干扰机对第i部截获雷达的干扰样式；令p
ji
表示第j部干扰机对第i部截获雷达的干扰功率，j＝1，2，
…
，M；(2)建立干扰资源调度数学模型F(x)：基于干扰样式和干扰功率建立针对多目标多干扰源的干扰资源调度数学模型F(x)；(3)设置干扰约束条件：根据干扰资源调度数学模型F(x)，设置干扰约束条件为：上式中，表示第j个干扰机对N个雷达的干扰归一化功率之和为1，s
1i
＝s
2i
＝
…
＝s
ji
＝
…
＝s
Mi
表示j部干扰机干扰同一部截获雷达时，干扰样式相同，干扰机干扰不同的截获雷达时，干扰样式不同；(4)设置种群最优解集和权重向量：调用一个干扰机种群，用于存放M部干扰机的干扰样式、干扰功率的最优解，并将该种群最优解集EP置成空集φ；设置一组理想点z＝(z1，z2，...，z
i
，...，z
N
)，i＝1，2，
…
，N，在最优解集中N表示理想点总数，N取正整数，z
i
表示第i个理想点，根据干扰约束条件对理想点值进行随机设置一组分布均匀的权重向量λ1，...，λ
k
，...λ
K
，k＝1，2，
…
，K其中，λ
k
表示第k个权重向量，K为种群大小；(5)计算各相邻权重的欧几里得距离：计算各相邻权重之间的欧几里得距离，与权重向量λ
k
距离最近的T个向量为向量λ
k
的相邻权重向量，其中，相邻权重向量索引集合记为B(k)＝(k1，...，k
T
)，为λ
k
的T个相邻权重向量；(6)产生初始种群权：根据相邻权重向量索引集合B(k)，设置初始种群权中，x
k
表示第k个种群权，k为循环指针，其的初始值为1，k＝1～K；(7)交叉产生新个体：从相邻权重向量索引集合B(k)＝(k1，...，k
T
)中随机选取两个索引v，l，对x
v
和x
l
执行标准遗传算法的交叉操作，产生新个体y；(8)对新个体变异操作：对新个体y执行标准遗传算法的变异操作，产生变异后的个体y
’
；(9)更新种群理想点：若理想点z
w
＜f
w
(y
′
)，w＝1，...，N，w为标准遗传算法变异操作的遍历范围，则z
w
＝f
w
(y
′
)，如果当前理想点z小于与它对应的f(y
’
)，则把f(y
′
)赋值给该理想点，形成新的理想点，执行w＝1，...，N次标准遗传算法变异操作，完成所有理想点的更新；(10)用局部加权和分解方法寻找最优解：利用MPBI分解运算寻求最优解，具体方法为通过局部加权和分解方法与相邻权重向量索引集合相结合来更新相邻解，对于w∈B(k)，若g
mpbi
(y
′
|λ
w
，z)≤g
mpbi
(x
w
|λ
w
，z)，则x
w
＝y
′
，z
w
＝f
w
(y
′
)，其中，g
mpbi
(
·
)表示MPBI分解运算；
(11)判断种群权是否受变异个体支配：判断干扰资源调度数学模型中种群权F(x
k
)是否受变异个体F(y
′
)支配，k＝1，...，K；根据Pareto支配关系，若种群权F(x
k
)受变异个体F(y
′
)支配，则将F(x
k
)从种群最优解集EP中删除；若对于若不存在F(x
k
)受F(y
′
)支配，则将F(y
′
)加入种群最优解集EP，并将循环指...

【专利技术属性】
技术研发人员：刘高高，王钊，席昕，鲍丹，蔡晶晶，武斌，秦国栋，李鹏，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：