基于MOEA\D和频域资源的干扰资源分配方法组成比例

本发明专利技术提出了一种基于MOEA\D和频域资源的干扰资源分配方法，其实现步骤为：获取待优化的干扰资源分配向量集，构建以多干扰需求为多目标函数的干扰资源分配模型，计算干扰资源分配向量集的目标函数值得到理想点集，获取干扰资源分配向量集的权重向量的相邻向量索引集，采用MOEA\D算法对干扰资源分配向量集寻优，得到最佳干扰资源分配解集，从最优解集中根据干扰需求选取对应的干扰资源分配向量作为干扰资源分配方案。本发明专利技术得到的干扰资源分配结果不仅能保证对雷达的干扰效果还能有效地利用干扰机的频域资源，具有广阔的应用前景。景。景。

【技术实现步骤摘要】
基于MOEA\D和频域资源的干扰资源分配方法


[0001]本专利技术属于雷达
，涉及一种干扰资源分配方法，具体涉及一种基于MOEA\D和频域资源的干扰资源分配方法。

技术介绍

[0002]随着组网雷达的发展与应用，多干扰机协同可以对组网雷达实施有效地干扰。当多干扰机伴随干扰协助目标穿越组网雷达时，雷达和干扰机数量众多，而干扰资源是有限的，需要将有限的干扰资源分配给雷达从而使干扰效果最好。
[0003]干扰资源分配方法的原理为:首先是干扰资源的描述与集合构建，确定可以分配的干扰资源；其次是干扰效果的定量评价方法与评价指标的选取，作为干扰资源分配的依据；最后是根据干扰效果的评估指标构建干扰资源分配模型，选取合适的算法对干扰资源分配模型进行求解得到的最优干扰资源分配方案。
[0004]西安电子科技大学在其申请的专利文献“基于干扰向量和NSGA
‑
II算法的干扰资源分配方法”(申请号202210127379.7申请公布号CN 114527435 A)，提出一种基于干扰向量和NSGA
‑
II算法的干扰资源分配方法，该方法基于检测概率、定位精度和跟踪精度三个评估指标作为求解多种干扰资源分配向量在整个突防航线上对应的干扰向量；采用NSGA
‑
II算法比较不同干扰资源分配向量的干扰向量选取最优的干扰资源分配向量，得到最优的干扰资源分配方案。该方法克服了干扰资源分配过程中的指标间冲突而导致的干扰资源分配结果不合理的问题，但其存在的不足之处是在干扰资源分配过程中只考虑干扰方对雷达的干扰需求而未考虑干扰机频域资源利用率的干扰需求，导致的干扰机频域资源浪费的问题。

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的不足，提供一种基于MOEA\D和频域资源的干扰资源分配方法，用于解决现有技术中存在的未考虑对干扰机频域资源利用率的干扰需求导致的干扰机频域资源浪费的技术问题。
[0006]为实现上述目的，本专利技术采取的技术方案包括如下步骤：
[0007](1)获取待优化的干扰资源分配向量集：
[0008]随机生成K个M维干扰对象向量和与其对应的干扰样式向量，并将第k个干扰对象向量为X
k
＝[X
k1
,X
k2
,..X
km
..,X
kM
]与其对应的干扰样式向量为Y
k
＝[Y
k1
,Y
k2
,..Y
km
..,Y
kM
]组成干扰资源分配向量a
k
＝[X
k Y
k
]，得到干扰资源分配向量集A＝{a1,a2,..a
k
..,a
K
}，其中，K≥30，M为干扰机的总数，M≥4，X
km
表示第k个干扰对象向量中第m部干扰机的干扰对象，Y
km
表示第k个干扰样式向量中第m部干扰机采用的干扰样式，a
k
表示干扰资源分配向量集A中第k个干扰资源分配向量；
[0009](2)构建基于频域资源的干扰资源分配模型：
[0010]构建以F(a)＝{f1(a),f2(a),f3(a)}为多目标函数，以干扰机与干扰对象的数量关
系1≤X
km
≤3为约束条件s.t.的将干扰需求量化为函数的干扰资源分配模型：
[0011][0012][0013][0014]其中，1≤X
km
≤3表示第k个干扰对象向量中第m部干扰机能够干扰的对象范围为[1,3]，f1(a)、f2(a)和f3(a)分别表示针对干扰对象搜索阶段对应的干扰需求、针对干扰对象跟踪阶段对应的干扰需求和针对干扰机频域资源利用率的干扰需求的三个量化函数，|
·
|表示取绝对值操作，P
d
(a)和P
d
(a)分别表示干扰对象受干扰前、受干扰后的检测概率，P
g
(a)和P
g
(a)分别表示表示干扰对象受干扰前、受干扰后的定位精度，P
t
(a)和P
t
(a)分别表示表示干扰对象受干扰前、受干扰后的跟踪精度，ω1和ω2为权重，且ω1+ω2＝1，fre(a)表示干扰对象被干扰的带宽，Fre
sum
表示所有干扰对象工作的总带宽；
[0015](3)计算干扰资源分配向量集的目标函数值得到理想点集：
[0016]通过干扰资源分配向量集A＝{a1,a2,..a
k
..,a
K
}对目标函数F(a)进行求解，得到K个干扰资源分配向量的目标函数值F＝{F1,F2,F3}，F
i
＝{f
i
(a1),f
i
(a2),..f
i
(a
k
)..,f
i
(a
K
)}，并将每个目标函数值F
i
中的最大值作为理想点z
i
，得到理想点集z＝{z1,z2,z3}，其中，i＝1,2,3，F
i
表示第i个量化函数的K个干扰资源分配向量的目标函数值，z
i
为第i个量化函数对应的理想点；
[0017](4)获取相邻向量索引集：
[0018]随机生成干扰资源分配向量集A＝{a1,a2,..a
k
..,a
K
}对应的K个权重向量λ＝{λ1,λ2,..λ
k
..,λ
K
}，并计算各权重向量之间的欧氏距离，然后将与权重向量λ
k
欧氏距离最近的T个权重向量作为λ
k
的相邻向量，再将T个相邻向量的索引组成λ
k
的相邻向量索引集合B
k
＝{k1,k2,..k
t
..,k
T
}，其中，λ1+λ2+..λ
k
..+λ
K
＝1且λ
k
表示a
k
的权重向量，T≤K，B
k
表示λ
k
的相邻向量索引集合；
[0019](5)采用MOEA\D算法对干扰资源分配向量集寻优：
[0020](5a)初始化干扰资源分配模型最优解集为EP,令k＝1，EP＝φ；
[0021](5b)对干扰资源分配向量集A中与从相邻向量索引集合B
k
＝{k1,k2,..k
t
..,k
T
}随机选取两个索引k
v
、k
q
对应的干扰资源分配向量a
kv
、a
kq
进行交叉操作，并对交叉操作后的干扰资源分配向量aa
k
进行变异操本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MOEA\D和频域资源的干扰资源分配方法，其特征在于，包括如下步骤：(1)获取待优化的干扰资源分配向量集：随机生成K个M维干扰对象向量和与其对应的干扰样式向量，并将第k个干扰对象向量为X
k
＝[X
k1
,X
k2
,..X
km
..,X
kM
]与其对应的干扰样式向量为Y
k
＝[Y
k1
,Y
k2
,..Y
km
..,Y
kM
]组成干扰资源分配向量a
k
＝[X
k Y
k
]，得到干扰资源分配向量集A＝{a1,a2,..a
k
..,a
K
}，其中，K≥30，M为干扰机的总数，M≥4，X
km
表示第k个干扰对象向量中第m部干扰机的干扰对象，Y
km
表示第k个干扰样式向量中第m部干扰机采用的干扰样式，a
k
表示干扰资源分配向量集A中第k个干扰资源分配向量；(2)构建基于频域资源的干扰资源分配模型：构建以F(a)＝{f1(a),f2(a),f3(a)}为多目标函数，以干扰机与干扰对象的数量关系1≤X
km
≤3为约束条件s.t.的将干扰需求量化为函数的干扰资源分配模型：≤3为约束条件s.t.的将干扰需求量化为函数的干扰资源分配模型：≤3为约束条件s.t.的将干扰需求量化为函数的干扰资源分配模型：其中，1≤X
km
≤3表示第k个干扰对象向量中第m部干扰机能够干扰的对象范围为[1,3]，f1(a)、f2(a)和f3(a)分别表示针对干扰对象搜索阶段对应的干扰需求、针对干扰对象跟踪阶段对应的干扰需求和针对干扰机频域资源利用率的干扰需求的三个量化函数；|
·
|表示取绝对值操作，P
d
(a)和P
d
(a)分别表示干扰对象受干扰前、受干扰后的检测概率，P
g
(a)和P
g
(a)分别表示表示干扰对象受干扰前、受干扰后的定位精度，P
t
(a)和P
t
(a)分别表示表示干扰对象受干扰前、受干扰后的跟踪精度，ω1和ω2为权重，且ω1+ω2＝1，fre(a)表示干扰对象被干扰的带宽，Fre
sum
表示所有干扰对象工作的总带宽；(3)计算干扰资源分配向量集的目标函数值得到理想点集：通过干扰资源分配向量集A＝{a1,a2,..a
k
..,a
K
}对目标函数F(a)进行求解，得到K个干扰资源分配向量的目标函数值F＝{F1,F2,F3}，F
i
＝{f
i
(a1),f
i
(a2),..f
i
(a
k
)..,f
i
(a
K
)}，并将每个目标函数值F
i
中的最大值作为理想点z
i
，得到理想点集z＝{z1,z2,z3}，其中，i＝1,2,3，F
i
表示第i个量化函数的K个干扰资源分配向量的目标函数值，z
i
为第i个量化函数对应的理想点；(4)获取相邻向量索引集：随机生成干扰资源分配向量集A＝{a1,a2,..a
k
..,a
K
}对应的K个权重向量λ＝{λ1,λ2,..λ
k
..,λ
K
}，并计算各权重向量之间的欧氏距离，然后将与权重向量λ
k
欧氏距离最近的T个权重向量作为λ
k
的相邻向量，再将T个相邻向量的索引组成λ
k
的相邻向量索引集合B
k
＝{k1,k2,..k
t
..,k
T
}，其中，λ1+λ2+..λ
k
..+λ
K
＝1且λ
k
表示a
k
的权重向量，T≤K，B
k
表示λ
k
的相邻向量索引集合；
(5)采用MOEA\D算法对干扰资源分配向量集寻优：(5a)初始化干扰资源分配模型最优解集为EP,令k＝1，EP＝φ；(5b)对干扰资源分配向量集A中与从相邻向量索引集合B

【专利技术属性】
技术研发人员：王荣鑫，罗明，宋宇飞，杨芷薇，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：