一种针对雷达系统的多干扰机协同压制资源调度方法技术方案

本发明专利技术属于雷达技术领域，具体的说是涉及一种针对雷达系统的多干扰机协同压制资源调度方法。本发明专利技术的方法能实时考虑当前态势，调整干扰机波束指向和发射功率的资源分配。并且考虑了雷达参数波动引起的泛化误差，将雷达距离和角度的不确定性与资源优化模型相结合，形成稳健优化资源调度模型，有效地压制了多站雷达系统，降低雷达系统对多目标的跟踪性能。解决现有方法未考虑雷达参数不确定性导致的泛化误差会影响干扰资源分配结果的问题，可以应用于电子对抗，目标突防等雷达领域。目标突防等雷达领域。目标突防等雷达领域。

【技术实现步骤摘要】
一种针对雷达系统的多干扰机协同压制资源调度方法


[0001]本专利技术属于雷达
，具体的说是涉及一种针对雷达系统的多干扰机协同压制资源调度方法。

技术介绍

[0002]多站雷达系统通常由多个空间广泛分布的雷达组成，它们分别工作在不同的模式和频段下，并协同工作以完成各种任务。与传统的单基地雷达相比，多站雷达系统具有更好的目标跟踪和检测性能、波形分集增益和空间分集增益等优势。这些优势使得多站雷达系统能够在电子对抗环境中实现对敌方目标的反侦察及干扰目标的探测识别。
[0003]多站雷达系统优越的抗干扰性能使得传统单站干扰策略难以实现理想的干扰性能。因此，协同干扰技术应运而生。多部干扰机通过自适应调度干扰资源，如干扰机的数量、模式和功率等，组成干扰协同网络，并实现对多站雷达系统的有效干扰。相较于传统的单机干扰，多干扰机协同干扰能最大程度地发挥干扰系统的多模式特性，形成高性能的干扰架构，从而提升整体对抗水平。
[0004]近年来，协同干扰资源调度问题已被很多学者讨论和研究。然而，传统方法是基于准确获取雷达参数的假设下，但在实际应用中，受限于参数估计的精度，通过估计方法获得的雷达参数存在偏差。这导致计算的性能指标与实际性能指标之间存在着泛化误差，并降低了干扰资源优化分配算法的性能。

技术实现思路

[0005]本专利技术的目的是克服现有技术的不足，提供一种针对雷达系统的多干扰机协同压制资源调度方法。
[0006]本专利技术的技术方案是：一种针对雷达系统的多干扰机协同压制资源调度方法。包括以下步骤：
[0007]S1、构建系统模型
[0008]初始化系统参数：包括各相控阵雷达的位置、突防目标和干扰机在各时刻的位置及坐标、干扰机每帧最多产生的波束个数、各时刻干扰波束的指向、干扰机发射功率的上下限、总的干扰功率。构建多目标编队突防多站雷达系统的场景图；
[0009]S2、获取信干噪比及检测概率：
[0010]根据步骤S1中构建的系统模型，获取雷达接收端与资源优化变量相关的信干噪比，并计算出雷达节点对各目标的检测概率。
[0011]S3、收集数据并更新状态
[0012]雷达在压制性干扰环境中以步骤S2获取的检测概率探测目标，收集目标的量测值，并更新目标的状态。然后基于获得的目标状态，预测跟踪性能指标。
[0013]S4、建立代价函数，
[0014]结合压制性干扰环境下雷达系统对每个目标的跟踪性能，采用基于信息衰减因子
的PCRLB作为每个目标的代价函数。
[0015]S5、构建优化模型：
[0016]将所有目标的代价函数求和作为优化问题的目标函数，并结合波束指向和发射功率的约束条件及步骤S1中确定的系统配置，构建基于波束指向和发射功率的多干扰机资源优化模型。
[0017]S6、加入泛化误差，形成稳健模型：
[0018]将雷达距离和角度的不确定性所导致的泛化误差与步骤S5构建的基于波束指向和发射功率的多干扰机资源优化模型相结合，形成稳健资源优化模型。
[0019]S7、求解模型：
[0020]采用粒子群算法分两步对稳健模型进行求解，得到基于波束指向和发射功率的多干扰机稳健资源调度策略。
[0021]进一步的，所述步骤S1的具体方法为：
[0022]假定雷达系统由M个相控阵雷达组成，其中雷达m(m＝1,2,
…
,M)的坐标为(x
m
,y
m
)。在跟踪时刻k，G个目标执行突防任务，其中目标g(g＝1,2,
…
,G)位于速度为N(N<M)个干扰机伴飞目标，组成干扰支援编队，对雷达系统实施协同干扰。其中干扰机n(n＝1,2,
…
,N)在k时刻的坐标为速度为干扰机n最多同时产生L个干扰波束，每个波束的发射功率被约束在[E
min
,E
max
]的范围内，总功率为E
sum
。
[0023]进一步的，所述步骤S2的具体方法为：
[0024]对多干扰机系统的两个参数进行调度：干扰波束分配向量θ
k
＝(θ
n,m,k
)
N
×
M
和波束发射功率向量E
k
＝(E
n,m,k
)
N
×
M
，其中波束指向是一个二元分配向量：
[0025][0026]发射功率E
n,m,k
和波束指向θ
n,m,k
相互耦合，具体关系如下：
[0027][0028]雷达m从目标g接收到的回波信号功率为：
[0029][0030]其中，O
m,t
和λ分别表示雷达m的发射功率，天线主瓣增益和雷达工作波长。
[0031]雷达m从干扰机n接收到的干扰信号功率为：
[0032][0033]其中，为干扰机n的天线增益；λ
f
为干扰信号波长；为雷达接收机n在方向上的天线增益；γ为极化失配损失。
[0034]雷达m被多个干扰机干扰后，在其接收机处目标g的SJNR可以表示为
[0035][0036]其中，E
M
代表雷达接收机的内部噪声。
[0037]假定已经确定了目标起伏的类型和背景噪声的统计分布，则雷达m对目标g的检测概率可以通过计算获得。选用Swerling I型目标为例，检测概率为
[0038][0039]其中，V
T
代表检测阈值。
[0040]进一步的，所述步骤S3包括以下子步骤：
[0041]S31、雷达收集目标的量测值；
[0042]S32、更新目标状态并预测跟踪性能指标。
[0043]进一步的，S31雷达收集目标的量测值，具体实现方法为：
[0044]假设目标遵循线性匀速(Constant velocity,CV)运动模型，可以表示为
[0045][0046]其中，为k时刻目标g的状态向量；F表示状态转移矩阵；代表协方差为的均值为零的高斯过程噪声，定义分别如下
[0047][0048][0049]其中，k为过程噪声强度；
△
T为跟踪时间间隔；为克拉克罗积运算；I2为2
×
2的单位矩阵。
[0050]雷达在压制性干扰环境中以的检测概率探测目标。此时，第m个雷达收集到的第g个目标的量测值为
[0051][0052]其中，为第m个雷达检测到第g个目标的检测概率，且为一个非线性函数，
[0053][0054]进一步的，S32更新目标状态并预测跟踪性能指标，具体实现方法为：
[0055]雷达系统会发射多个波束以收集目标量测值并更新目标的状态。对于目标状态的
估计值，采用扩展卡尔曼滤波算法(Extended Kalman Filter，EKF)进行计算。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对雷达系统的多干扰机协同压制资源调度方法，定义雷达系统由M个相控阵雷达组成，其中雷达m的坐标为(x
m
,y
m
)，m＝1,2,
…
,M；其特征在于，包括：S1、定义在跟踪时刻k，有G个目标执行突防任务，其中目标g位于速度为由N个干扰机伴飞目标，N<M，组成干扰支援编队，对雷达系统实施协同干扰，其中干扰机n在k时刻的坐标为速度为干扰机n最多同时产生L个干扰波束，每个波束的发射功率被约束在[E
min
,E
max
]的范围内，总功率为E
sum
；S2、雷达m被多个干扰机干扰后，雷达接收机处对目标g的SJNR表示为：其中，为雷达m从目标g接收到的回波信号功率，为雷达m从干扰机n接收到的干扰信号功率，E
M
为雷达接收机的内部噪声，θ
n,m,k
为干扰机的波束指向，波束指向θ
n,m,k
与干扰机的发射功率E
n,m,k
相互耦合，关系为：定义雷达m对目标g的检测概率为：其中，V
T
代表检测阈值；S3、雷达在压制性干扰环境中以的检测概率探测目标，定义第m个雷达收集到的第g个目标的量测值为：其中，为第m个雷达检测到第g个目标的检测概率，为一个非线性函数：其中，为k时刻目标g的状态向量：F表示状态转移矩阵，代表协方差为的均值为零的高斯过程噪声；
对于压制干扰环境中的情况，雷达系统采集第g个目标的个量测值，得到目标状态的估计值为：其中，为k时刻第g个目标的卡尔曼增益；S4、采用PCRLB作为雷达系统量化单目标跟踪性能的代价函数：其中，θ
k
＝(θ
n,m,k
)
N
×
M
为干扰波束分配向量，E
k
＝(E
n,m,k
)
N
×
M
为波束发射功率向量，表示Fisher信息矩阵：表示Fisher信息矩阵：和分别代表先验信息和量测数据的Fish...

【专利技术属性】
技术研发人员：沈晓峰，厉俊，张睿智，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：