利用粒子群算法生成的间歇采样调相干扰波形方法技术

本发明专利技术公开了一种基于粒子群算法生成的间歇采样调相干扰波形方法，旨在解决现有技术间歇采样调相转发技术所获得的目标函数容易陷入局部最优解，导致间歇采样波形生成时获得的干扰参数较差的缺陷。本发明专利技术的实现步骤包括：生成三种不同的雷达信号组成的样本集；生成粒子群的目标函数；利用粒子群算法优化间歇采样干扰信号的干扰参数码元宽度与采样时间；利用优化后的最优的干扰参数生成对应的间歇采样调相干扰信号。本发明专利技术具有不需要建立干扰波形库，通过粒子群算法就可以获得最优的间歇采样调相干扰波形的优点。采样调相干扰波形的优点。采样调相干扰波形的优点。

【技术实现步骤摘要】
利用粒子群算法生成的间歇采样调相干扰波形方法


[0001]本专利技术属于雷达通信
，更进一步涉及电子对抗
中的一种基于粒子群算法的间歇采样调相干扰波形方法。本专利技术对可用于对干扰信号为间歇采样调相波形时，得到较优的相位调制干扰波形。

技术介绍

[0002]随着技术的进步，各种新式雷达不断涌现，其智能化水平也不断提高，而传统的雷达对抗方式主要是基于先验的目标特征库而采取预先编程的对抗措施。该种方式难以应对雷达日益增强的抗干扰措施，使得雷达对抗装备对于时间、准确率的需求越来越高。因此，生成低时间、高准确率的干扰波形优化在电子对抗中十分重要。
[0003]孙剑炜等人在其发表的论文“基于遗传算法的相位调制波形智能优化”(《系统工程与电子技术》2022(003):044)中提出了一种基于智能优化算法的雷达对抗波形智能优化模型的间歇采样调相干扰波形方法。该方法的实现步骤是，在传统的雷达对抗系统中增加波形优化模块。该模块可以根据接收到的雷达信号在系统内容建立一个虚拟雷达，用以模拟对方雷达的接收过程，并依此对当前参数合成的对抗波形的效能进行评估。同时，在该评估结果的指导下，使用智能优化算法对波形的参数进行优化，进而实现发射波形对抗性能的提升。该方法存在的不足之处是，所使用的方法容易在生成间歇采样干扰波形时陷入局部最优解，导致间歇采样波形生成时获得的干扰参数较差，生成的干扰波形对雷达的干扰效果较差。
[0004]杭州电子科技大学在其申请的专利文献“带动作集合的强化学习干扰波形生成、评价方法及装置”(申请号：202210875262.7；申请公布号：CN115378774A)中提出了一种干扰波形生成方法。该方法的实现方案是：建立干扰波形库；构建干扰波形决策网络，包括策略网络和价值网络；探索阶段使用跟踪算法进行干扰，填充经验池；从经验池中随机选取一组数据；根据当前状态的干扰动作，通过策略网络预测下一时刻相应干扰动作；根据策略网络输出的干扰动作，生成离散化干扰动作，从干扰波形库中选取干扰动作，并结合策略网络输出的干扰动作，共同输入价值网络，得到价值最高的干扰动作作为实际的干扰动作。该方法存在的不足之处是，该方法只能基于干扰波形库才能生成干扰信号，如果遇到在干扰波形库中不存在的雷达信号时，则无法生成对应的干扰波形。

技术实现思路

[0005]本专利技术的目的在于针对上述现有技术存在的不足，提出了一种利用粒子群算法的雷达对抗间歇采样干扰信号的生成方法。解决现有技术生成的干扰信号准确率不高，干扰效果差的问题，以及无法生成干扰波形库以外干扰波形的问题。
[0006]实现本专利技术目的的思路是，本专利技术使用粒子群算法，使用非线性的自适应惯性权重替代常数权重，使得粒子群算法在刚开始的时候倾向于开掘，然后逐渐转向于开拓，从而在局部区域调整解，就避免了惯性权重较小或较大时，间歇采样干扰信号生成容易陷入局
部最优解的缺陷。通过设置不同的雷达信号，例如线性调频信号，二项编码信号等，以及设置虚警率，伪随机序列等其它实验参数，再利用粒子群算法对其进行采样时间、码元宽度的同时优化，可以得到针对不同的雷达信号的最优的间歇采样信号干扰波形。
[0007]实现本专利技术目的的具体步骤如下：
[0008]步骤1，生成雷达信号样本集：
[0009]将至少3种类型的雷达信号组成样本集，每种类型的雷达信号包含50个样本；
[0010]步骤2，生成粒子群的目标函数如下：
[0011][0012]其中，N表示距离目标最近的检测单元的平均门限与目标回波脉压峰值之差的总数，∑表示求和操作，lg表示以10为底的对数操作，Z表示目标所在检测单元的门限高度，P
fa
表示虚警概率，N1表示雷达信号单侧保护单元的个数，N2表示雷达信号平均单元的个数，P
jpc
(r)表示相位调制信号功率，该信号功率是以t＝0处为检测单元的中心位置，向两边分别划分检测单元，记向右第r个单元内相位调制信号功率的均值，x
epc
(0)表示t＝0时雷达匹配滤波器的输出信号，x
epc
(t)＝x
e
(t)*x
e
'(
‑
t)，x
epc
(t)表示雷达的目标回波信号x
e
(t)经过匹配滤波器输出的信号，x
e
'(
‑
t)表示x
e
(t)的复信号，*表示卷积操作；
[0013]步骤3，利用粒子群算法优化间歇采样干扰信号的干扰参数：
[0014]步骤3.1，将粒子群参数的初始化为c1与c2，设置位置边界范围与速度边界范围，初始化粒子群群，初始化粒子群速度；
[0015]步骤3.2，计算当前迭代时每个粒子的适应度值，记录历史最优值P
best
与全局最优值g
best
；
[0016]步骤3.3，利用速度更新公式v
i
(t+1)＝v
i
(t)+c1r1(P
best
(t)
‑
x
i
(t))+c2r2(g
best
‑
x
i
(t))对粒子群的速度进行更新，并对越界的速度进行约束，v
i
(t+1)表示第i个粒子在t+1次迭代时更新的速度，v
i
(t)表示第i个粒子在t次迭代时的速度，x
i
(t)表示第i个粒子在t次迭代的位置，ω表示该系统的惯性因子，r1与r2表示两个相互独立的取值范围在[0,1]的随机数；
[0017]步骤3.4，利用位置更新公式x
i
(t+1)＝x
i
(t)+v
i
(t+1)对粒子群的位置进行更新，并对越界的位置进行约束，x
i
(t+1)表示第i个粒子在t+1次迭代时更新的速度；
[0018]步骤3.5，用更新后的速度与位置更新每个粒子的适应度值；
[0019]步骤3.6，若每个粒子更新后的适应度值大于上一次迭代时该粒子的适应度值，则将该适应度值作为当前迭代后的历史最优值P
best
，若适应度值小于上一次迭代时该粒子的适应度值，则保留原来的适应度值作为历史最优值P
best
；
[0020]步骤3.7，若每个粒子更新后的适应度值大于上一次迭代时群体经历的适应度值，则更新此时的适应度值为全局最优值g
best
，若适应度值小于上一次迭代时群体经历的适应度值，则保留原来的适应度值作为全局最优值g
best
；
[0021]步骤3.8，判断当前迭代次数是否达到最大达代次数，若是，则输出最优的目标函
数，将目标函数对应的码元宽度和采样时间作为最优的间歇采样调相信号干扰参数后执行步骤4，若否，执行步骤3.2；
[0022]步骤4，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用粒子群算法的间歇采样调相干扰波形生成方法，其特征在于，利用粒子群算法获取间歇采样干扰信号的最优参数，生成最优参数组成的间歇采样干扰波形；该波形生成方法的步骤包括如下：步骤1，生成雷达信号样本集：将至少3种类型的雷达信号组成样本集，每种类型的雷达信号包含50个样本；步骤2，生成粒子群的目标函数如下：其中，N表示距离目标最近的检测单元的平均门限与目标回波脉压峰值之差的总数，∑表示求和操作，lg表示以10为底的对数操作，Z表示目标所在检测单元的门限高度，P
fa
表示虚警概率，N1表示雷达信号单侧保护单元的个数，N2表示雷达信号平均单元的个数，P
jpc
(r)表示相位调制信号功率，该信号功率是以t＝0处为检测单元的中心位置，向两边分别划分检测单元，记向右第r个单元内相位调制信号功率的均值，x
epc
(0)表示t＝0时雷达匹配滤波器的输出信号，x
epc
(t)＝x
e
(t)*x
e
'(
‑
t)，x
epc
(t)表示雷达的目标回波信号x
e
(t)经过匹配滤波器输出的信号，x
e
'(
‑
t)表示x
e
(t)的复信号，*表示卷积操作；步骤3，利用粒子群算法优化间歇采样干扰信号的干扰参数：步骤3.1，将粒子群参数的初始化为c1与c2，设置位置边界范围与速度边界范围，初始化粒子群群，初始化粒子群速度；步骤3.2，计算当前迭代时每个粒子的适应度值，记录历史最优值P
best
与全局最优值g
best
；步骤3.3，利用速度更新公式对粒子群的速度进行更新，并对越界的速度进行约束：v
i
(t+1)＝v
i
(t)+c1r1(P
best
(t)
‑
x
i
(t))+...

【专利技术属性】
技术研发人员：董春曦，何茜，李明，袁建林，朱燕，张波，张连炜，饶鲜，
申请(专利权)人：桂林长海发展有限责任公司，
类型：发明
国别省市：