基于MOEAD-GAS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MOEAD

【技术实现步骤摘要】
基于MOEAD
‑
GAS的STAP雷达分布式干扰方法


[0001]本专利技术属于雷达
，特别涉及雷达分布式干扰，具体是一种基于MOEAD
‑
GAS的STAP雷达分布式干扰方法，用于对抗STAP雷达的干扰系统。

技术介绍

[0002]现代机载雷达尤其是预警雷达多采用大规模阵列与多脉冲体制对外界进行侦查，此外由于机载雷达所处的地形多变特性以及环境的非均匀性，使得环境中需要侦察获取的信号总是被大量强杂波覆盖，而通常我方处理设备又需要大量截获的有用信号进行分析才能获得好的侦察效果，这就造成了雷达信号处理中所需巨大的样本数量与环境可提供的样本数量相矛盾。
[0003]为了应对上述问题，人们使用空时自适应处理(Space
‑
Time Adaptive Processing简称STAP)技术来解决复杂的电磁波环境，STAP雷达具有很强的自适应性，对强杂波和常规干扰也有很高效的抑制。在电磁环境中，这种侦察方和干扰方之间的相互博弈就是电子对抗中的主要内容。可以看出，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。一旦干扰失败，干扰方的战机极有可能被检测到，这将使干扰方在在作战时处于被动状态。目前，针对STAP雷达进行干扰的领域尚不成熟，干扰的样式仅集中在设计有效的干扰样式，用来破坏STAP算法中训练样本的独立同分布条件，但实现该技术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。对STAP雷达的信号进行干扰研究是抑制STAP雷达性能的有效手段，在提高干扰成功率、掩护干扰方目标具有重要意义。
[0004]现有技术中，对STAP雷达进行干扰有一对一和多对一两种常用模式。对于单部干扰机对抗单部目标雷达这种一对一模式，干扰机的资源分配方案较差，如果干扰功率太大，容易造成资源浪费也容易被敌方发现，如果干扰功率偏小又容易干扰失败，很难达成恰好合适的资源方案，使得干扰的有效性难以得到保证。而对于多部干扰机对抗一部目标雷达的方式，多部干扰机间并不是协同作战的关系，多采用穷举的方式，仅仅是在干扰功率的简单叠加。这两种方式都基于单一的干扰方式，因此不能对自适应很强的STAP雷达有很好的干扰效果。张嘉曦在其发表的论文“对机载雷达STAP的干扰方法研究”(西安电子科技大学，硕士学位2018年)中公开了一种STAP的干扰方法。该方法首先将干扰天线对准STAP雷达的主瓣方向，然后对STAP雷达发射单点源主瓣干扰信号，该论文提出了三种具体可行的干扰信号，并分析了这几种信号最适合应用的干扰环境。但该方法仍存在一些不足之处，它只运用了单点源主瓣干扰方法对STAP雷达进行干扰，由于实施主瓣干扰需要较多先验信息，无法同时对多个目标进行有效干扰，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，往往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一定威胁性。
[0005]目前使用的干扰机通常采用一部干扰机对应一部目标雷达，或者多部干扰机干扰一部目标雷达的方式，采用穷举的方法，对干扰资源的分配能力差，容易造成功率浪费或者
干扰功率不足的问题，并且在进行一次干扰期间只能发射一种固定的干扰信号，它的干扰样式单一，干扰效率低，容易被目标方的STAP雷达抑制，存在对目标的威胁等级低的问题。也就是说，存在干扰功率分配困难和干扰方式待优化的问题。

技术实现思路

[0006]本专利技术的目的在于针对上述现有技术的不足，提出一种资源调度优化的基于MOEA/D
‑
GAS算法的STAP雷达分布式干扰方法。
[0007]本专利技术是一种基于MOEAD
‑
GAS算法的STAP雷达分布式干扰方法，其特征在于，使用多部干扰机协同干扰，包括有如下步骤：
[0008](1)确定截获雷达威胁等级：侦查设备会截获干扰机所在时空的若干目标雷达并采集到若干雷达数据传送给干扰机，令被截获的若干目标雷达为N部，目标雷达组成雷达组网，组网的目标雷达集合为C＝[C1,C2,...,C
i
,...,C
N
]，C
i
表示第i部目标雷达，其中下标i为目标雷达的序号，i取正整数；被截获目标雷达的关键参数会决定每个雷达的危险等级，假设关键参数为各个目标雷达信号的载波频率、信号时宽、发射功率；初始化截获雷达参数，令载波频率的集合为f
c1
,f
c2
,...,f
ci
,...,f
cN
，f
ci
表示第i部目标雷达的载波频率，取值为正整数；令目标雷达信号时宽集合为τ1,τ2,...,τ
i
,...,τ
N
，τ
i
表示第i部雷达脉冲信号的时宽，取值为正整数；令各个目标雷达脉冲信号的发射功率的集合是P
t1
,P
t2
,...,P
ti
,...,P
tN
，P
ti
表示第i部雷达的发射功率，取值为正实数；令危险等级的集合为ω
r1
,ω
r2
,...,ω
ri
,...,ω
rN
，ω
ri
表示接收的第i部目标雷达的威胁等级，取值为0～1内的实数；
[0009](2)初始化干扰机参数：设置M部干扰机，干扰机集合J＝[J1,J2,...,J
j
,...,J
M
]，J
j
表示第j部干扰机，M为干扰机总部数，取值为正整数；用s
i
表示干扰机对第i部目标雷达的干扰样式，在干扰同一部目标雷达时所有干扰机的干扰样式都相同；p
ji
表示第j部干扰机对第i部目标雷达的干扰功率；
[0010](3)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)；
[0011](4)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：
[0012][0013]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
表示在干扰第i部雷达时，M部干扰机所用干扰样式均为同一种干扰样式；
[0014](5)设置种群最优解集和权重向量：调用一个大小为K的种群，用于存放M部干扰机的干扰样式和干扰功率，并将该种群最优解集EP置成空集φ；在基于贪心策略的选择解的方式中，令参数topK＝1，topK控制每一个子问题为选择解的搜索深度；设置一组理想点z＝(z1,z2,...,z
i
,...,z...

【技术保护点】

【技术特征摘要】
1.一种基于MOEAD
‑
GAS算法的STAP雷达分布式干扰方法，其特征在于，使用多部干扰机协同干扰，包括有如下步骤：(1)确定截获雷达威胁等级：侦查设备会截获干扰机所在时空的若干目标雷达并采集到若干雷达数据传送给干扰机，令被截获的若干目标雷达为N部，目标雷达组成雷达组网，组网的目标雷达集合为C＝[C1,C2,...,C
i
,...,C
N
]，C
i
表示第i部目标雷达，其中下标i为目标雷达的序号，i取正整数；被截获目标雷达的关键参数会决定每个雷达的危险等级，假设关键参数为各个目标雷达信号的载波频率、信号时宽、发射功率；初始化截获雷达参数，令载波频率的集合为f
c1
,f
c2
,...,f
ci
,...,f
cN
，f
ci
表示第i部目标雷达的载波频率，取值为正整数；令目标雷达信号时宽集合为τ1,τ2,...,τ
i
,...,τ
N
，τ
i
表示第i部雷达脉冲信号的时宽，取值为正整数；令各个目标雷达脉冲信号的发射功率的集合是P
t1
,P
t2
,...,P
ti
,...,P
tN
，P
ti
表示第i部雷达的发射功率，取值为正实数；令危险等级的集合为ω
r1
,ω
r2
,...,ω
ri
,...,ω
rN
，ω
ri
表示接收的第i部目标雷达的威胁等级，取值为0～1内的实数；(2)初始化干扰机参数：设置M部干扰机，干扰机集合J＝[J1,J2,...,J
j
,...,J
M
]，J
j
表示第j部干扰机，M为干扰机总部数，取值为正整数；用s
i
表示干扰机对第i部目标雷达的干扰样式，在干扰同一部目标雷达时所有干扰机的干扰样式都相同；p
ji
表示第j部干扰机对第i部目标雷达的干扰功率；(3)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)；(4)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
表示在干扰第i部雷达时，M部干扰机所用干扰样式均为同一种干扰样式；(5)设置种群最优解集和权重向量：调用一个大小为K的种群，用于存放M部干扰机的干扰样式和干扰功率，并将该种群最优解集EP置成空集φ；在基于贪心策略的选择解的方式中，令参数topK＝1，topK控制每一个子问题为选择解的搜索深度；设置一组理想点z＝(z1,z2,...,z
i
,...,z
N
)，N表示目标雷达总个数，在种群中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
，其中，λ
k
表示第k个权重向量，K为种群大小；(6)选出每个权重向量的相邻向量，形成集合B(k)：计算各相邻权重向量之间的欧几里得距离，选定与向量λ
k
距离最近的T个向量为向量λ
k
的相邻向量，其中，相邻向量索引集合记为B(k)＝(k1,...,k
T
)，为λ
k
的T个相邻向量；(7)产生初始种群权：从相邻向量索引集合B(k)中随机选取一组权向量，将这组权向量设置为初始种群权x1,...,x
k
,...x
K
，初始种群权就表示关于干扰样式和干扰功率的种群中初始化的一组解，计算干扰资源调度数学模型F(x
k
)＝(f1(x
k
),...,f
N
(x
k
))，并放入关于干扰功率和干扰样式种群的最优解集EP，其中，x
k
表示第k个种群权，k为循环指针，其初始值
为1，k＝1～K；(8)交叉产生新个体：从相邻向量索引集合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；(9)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'，变异后的个体y'在干扰资源数学模型表示为把第t代关于干扰样式和干扰功率种群P
t
和交叉变异后的个体y'组成一个关于干扰样式和干扰功率的新种群R
t
，R
t
的种群大小大于K；(10)利用贪心算法求贪心策略选择的第t+1代解集P
t+1
：利用贪心算法GBS计算关于干扰样式和干扰功率的新种群R
t
中各解的聚合函数值，并将每个子问题第t代解的聚合函数值升序排列，将每个子问题排序中前K个解计入下一代解集P
t+1
，此时解集P
t+1
中解的数量可能大于也可能小于种群大小K；(11)利用绝对值算法ABS求角度，控制解集P
t+1
中解的数量：利用绝对值算法ABS判断解集P
t+1
中解的数量是否等于种群大小K，如果等于K则直接执行步骤(12)，如果不等于K则利用ABS算法去除多余解或补充解直到解集P
t+1
中解的个数等于K，再执行步骤(12)；(12)干扰样式和干扰功率种群的循环寻优：判断种群权x
k
是否受变异个体支配，也就是判断干扰资源调度数学模型F(x
k
)是否受变异个体F(y')支配，k＝1,...,K；若受支配，即F(y')≤F(x
k
...

【专利技术属性】
技术研发人员：刘高高，王钊，岳宁，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：