【技术实现步骤摘要】
一种基于自编码器和DDPG算法的干扰波形设计方法
[0001]本专利技术涉及一种干扰波形设计方法,具体涉及一种基于自编码器和深度确定性策略梯度算法DDPG(Deep Deterministic Policy Gradient)的针对电子战干扰雷达检测环节的认知干扰波形设计方法,属于雷达干扰
技术介绍
[0002]随着人工智能技术的飞速发展,现代战场电子对抗领域的博弈愈发激烈。认知雷达的出现给干扰方带来了巨大挑战,随之认知干扰技术受到越来越多专家学者的重视。认知干扰技术能够在复杂电磁环境中自适应感知周围态势,在感知的过程中通过机器学习判定威胁等级,并做出最佳干扰决策,自动生成最佳干扰信号,并评估当前干扰效果。认知干扰技术产生的有效的干扰波形能够在雷达接收机的信号处理阶段形成干扰,抑制雷达的信号处理能力,甚至抑制住雷达方对侦察目标的检测。
[0003]传统的认知干扰技术的干扰波形设计大多是根据理论公式,预先对雷达信号在时频域等方面进行调制,从而针对雷达信号得到干扰波形,但干扰波形受调制参数控制,存在波形形式单一、不能随着实际环境的变化及时优化等问题,极大地降低了电子干扰的作战效果,尤其是对目前逐渐智能化的认知雷达无法形成有效干扰。
技术实现思路
[0004]本专利技术为了解决传统干扰波形设计得到的干扰波形受调制参数控制,存在波形形式单一、不能随着实际环境的变化及时优化等问题,极大地降低了电子干扰的作战效果,尤其是对目前逐渐智能化的认知雷达无法形成有效干扰的问题,进而提出了一种基于自编码器
【技术保护点】
【技术特征摘要】
1.一种基于自编码器和DDPG算法的干扰波形设计方法,其特征在于:它包括以下步骤:S1、构建干扰信号生成滤波器,输入高斯白噪声和雷达信号,输出干扰信号,具体过程为:利用干扰机获取高斯白噪声,对高斯白噪声进行处理,得到处理后的高斯白噪声,同时,干扰机截获一段雷达信号,根据处理后的高斯白噪声和雷达信号,利用灵巧噪声转发干扰方法得到干扰信号;S2、利用干扰机不同的调制方式将S1得到的干扰信号生成不同的干扰信号,将生成的所有干扰信号组成干扰波形样本集;S3、将雷达信号和干扰波形样本集中的每个干扰信号通过反卷积操作得到对应的干扰信号生成滤波器的冲激响应,即得到了对应的干扰信号生成滤波器,将所有干扰信号生成滤波器组成干扰信号生成滤波器样本集;S4、构建自编码器,自编码器依次包括输入层、隐藏层和输出层,将输入层到隐藏层作为编码器,将隐藏层到输出层作为解码器;将干扰信号生成滤波器样本集中的每个冲激响应输入自编码器的编码器内,得到对应的冲激响应的高维特征,将高维特征输入到解码器中,输出对应的恢复的冲激响应,即新干扰信号生成滤波器,基于前述过程对自编码器进行训练,直至MSE误差不再下降,得到训练好的自编码器,以及每个冲激响应的高维特征和恢复的冲激响应;S5、建立干扰效果评估体系,干扰效果评估体系包括恒虚警检测评估和功率评估,恒虚警检测评估包括虚警目标的分布区域,即干扰有限区间、真实目标是否发生漏检、虚警目标的能量峰值特性,功率评估包括干扰信号和雷达信号功率比;将S1中截获的雷达信号分别与S4得到的每个恢复的冲激响应进行卷积,得到多个干扰信号,利用干扰效果评估体系对每个干扰信号进行评估,得到对应的评估结果;S6、根据S5得到的评估结果,找到S4得到的每个冲激响应的高维特征对应的评估结果,根据所有的高维特征及其对应的评估结果进行马尔可夫建模,得到波形设计智能体;S7、利用DDPG算法对波形优化智能体进行训练,得到最终的波形优化智能体;S8、获得雷达信号和干扰信号,根据雷达信号和干扰信号得到干扰信号生成滤波器的冲激响应,将干扰信号生成滤波器的冲激响应输入S3得到的训练好的自编码器内,得到冲激响应的高维特征和干扰信号生成滤波器1;将雷达信号经过干扰信号生成滤波器1输出新干扰信号,利用S5的干扰效果评估体系对干扰信号进行评估,得到评估结果;将冲激响应的高维特征和评估结果作为状态输入S7得到的波形设计智能体内,输出波形设计智能体的动作,即更新的高维特征;将更新的高维特征输入S4得到的训练好的自编码器的解码器内,输出干扰信号生成滤波器2;将雷达信号经过干扰信号生成滤波器2输出干扰信号Ⅰ,根据干扰信号Ⅰ得到干扰波形,完成干扰波形设计。2.根据权利要求1中所述的一种基于自编码器和DDPG算法的干扰波形设计方法,其特征在于:所述S1具体过程为:S11、利用干扰机获取高斯白噪声n
w
:
n
w
=wgn(1,N
w
,E
w
)其中,N
w
为采样点数,采样点数是高斯白噪声的长度,E
w
为噪声的功率;S12、干扰机截获一段雷达信号s
t
,确定雷达信号s
t
中频为f0,带宽为bw,脉宽为pw,根据前述三个参数设计并得到巴特沃兹带通滤波器;S13、将高斯白噪声经过巴特沃兹滤波器处理,得到n
wb
:n
wb
=n
w
*buttord[w
p
,w
s
,R
p
,R
s
]其中,w
s
为巴特沃兹带通滤波器的阻带频段,w
s
=[f0‑
bw/2
‑
f
m
,f0+bw/2+f
m
],f
m
是通带和阻带之间的过渡带宽;w
p
为巴特沃兹带通滤波器的通带频段,w
p
=[f0‑
bw/2,f0+bw/2];R
p
是描述通带波纹的参量;R
s
是描述阻带衰减的参量;buttord[
·
]表示巴特沃兹滤波器的设置函数;S14、将n
wb
时域乘以一个正态分布的幅值k,得到调制后的高斯白噪声n
t
:n
t
=k*n
wb
其中,y服从N(0,E
c
)的正态分布,y的长度为高斯白噪声的长度N
w
;S15、将n
t
与s
t
进行时域的卷积操作,得到干扰信号j
p
:其中,表示卷积操作;利用一个循环移位操作叠加干扰信号j
p
,生成最终的干扰信号j:其中,m1为干扰信号的移位间隔,m2为干扰信号的移位次数,cyclicshift(j
p
,m1)为循环移位函数,它表示将干扰信号j
p
中的数据向右循环移动m1点。3.根据权利要求2中所述的一种基于自编码器和DDPG算法的干扰波形设计方法,其特征在于:所述S2具体过程为:基于S14
‑
S15,通过n组调制参数[E
c
,m1,m2]产生n组具有不同干扰效果的干扰信号,每个干扰信号为一个干扰波形样本,将所有干扰波形样本组成干扰波形样本集j1×
n
。4.根据权利要求3中所述的一种基于自编码器和DDPG算法的干扰波形设计方法,其特征在于:所述S3具体过程为:分别对雷达信号s
t
(t)和干扰波形样本集中的每个干扰信号j(t)进行傅里叶变换,得到雷达信号频域R(ω)和对应的干扰信号频域J(ω),根据时域卷积定理,依次将每个干扰信号频域J(ω)和雷达信号频域R(ω)相除,得到对应的干扰信号生成滤波器冲激响应的频域H(ω),将每个H(ω)进行傅里叶逆变换,得到对应的干扰信号生成滤波器的冲激响应h(t),即得到了对应的干扰信号生成滤波器,将所有干扰信号生成滤波器组成干扰信号生成滤波器样本集h1×
n
。5.根据权利要求4中所述的一种基于自编码器和DDPG算法的干扰波形设计方法,其特征在于:所述S4对自编码器进行训练时,使用均方误差函数最小化自编码器输入数据与输出数据之间的误差:其中,L(w,b)表示输入数据与输出数据之间的误差,L
MSE
(
·
)表示MSE函数,x表示自编
码器的输入数据,表示自编码器的输出数据;同时,在自编码器的损失函数中添加KL散度约束隐藏层中的神经元或权重,那么假设在给定输入数据为x1的情况下,h<...
【专利技术属性】
技术研发人员:蒋伊琳,管立松,赵忠凯,郭立民,陈涛,刘鲁涛,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。