【技术实现步骤摘要】
本专利技术属于雷达通信，更进一步涉及雷达干扰中的一种基于雷达导引头主被动信息融合的干扰态势构建方法。本专利技术可用于实时反映复杂电磁环境态势下，将电磁环境和设备信息归并融合，构建电磁态势，为后续抗干扰策略调度提供依据。
技术介绍
1、随着电磁技术和用频设备的广泛应用，日益复杂的电磁干扰环境严重关联着雷达系统的生存，如何把电磁特征从干扰环境中实时高效地提取出来并进行融合，为信息用户提供及时准确的情报是干扰态势认知的主要目标。而干扰态势构建作为干扰态势认知的关键技术，可以通过一定的数学模型进行计算，将人们不易理解的电磁环境和设备信息归并融合成容易理解和接受的数值，这些数值能够客观实时反映电磁态势，并可用于后续抗干扰策略调度。但现有干扰态势构建方法存在雷达与侦察设备之间的信息没有达到精确的融合，没有对齐到同一目标且态势要素关联不紧密等问题。
2、孙宇翔在其发表的论文“基于知识的海战场态势评估辅助决策系统构建”(《指挥信息系统与技术》,2020,11(4):15-19)中在分析电磁态势要素主要特征的基础上，提供了一种基于知识发现技术的干扰态势构建方法。该方法的实现步骤是，第一，利用各类辐射源目标的电磁信息，结合雷达特征信息库中的电磁频谱信息生成电磁态势；第二，利用侦察设备探测目标信息，形成情报信息进行态势一致性处理；第三，通过态势元素提取和关联等处理，对不同的掌控区域、层次和粒度的信息进行印证与去重，形成统一态势信息，包括多目标事件活动信息以及来自于信息融合模型分析的知识；第四，利用知识发现技术对态势信息进行分析，综合应用数
3、中国人民解放军火箭军工程大学在其申请的专利文献“一种漫反射板假目标干扰态势生成系统及方法”(申请号202111313009.4，申请公布号：cn114035175a)中公开了一种漫反射板假目标干扰态势构建方法。该方法的实现步骤是，第一，能量采集和测量分系统采集激光能量并对镜前激光能量密度进行测量；第二，图像采集分系统实时显示漫反射板假目标图像在视野中的位置，根据漫反射板假目标图像在视野中的位置调整云台的方位角和俯仰角，从空间位置上建立漫反射板与目标关联关系；第三，干扰态势生成分系统根据镜前激光能量密度以及靶板图像，采用角点检测和单目视觉位姿测量确定靶板距离及姿态角，进而构建假目标干扰态势。该方法仍然存在的不足之处是，该方法仅从空间位置信息将漫反射板与目标信息融合，对于目标的电磁特征计算误差较大，存在错误融合的问题。
4、综上所述，尽管有不少研究者对干扰态势构建方法进行了研究，但在目前复杂多变的雷达对抗过程中，仍缺乏从空间位置及电磁特征两方面信息融合体现态势要素的关联特征且易于实现的干扰态势构建方法。
技术实现思路
1、本专利技术的目的在于针对上述现有技术存在的不足，提供一种雷达导引头主被动信息融合的干扰态势构建方法，用于解决现有的干扰态势构建方法中受限于已知雷达特征库，使得获取主被动信息缺失，无法有效提取目标的特征信息，对于目标的电磁特征计算误差较大，存在错误关联的不足。
2、实现本专利技术目的具体思路是：本专利技术构建一个干扰态势环境，通过计算环境中所有平台的主动信息、所有设备的被动信息组成一个主被动信息融合样本，解决了现有技术受限于已知雷达特征库，能够获取的融合信息有限，无法有效提取目标的特征信息的不足。本专利技术构建了一个卷积神经网络，由于卷积神经网络具有处理分类问题的能力，融合效果评估本质上属于分类问题，因此可以通过卷积神经网络处理分类问题的特点来进行融合效果评估。利用主被动信息融合的训练集，对构建的卷积神经网络进行训练集训练，使得训练好的卷积神经网络具有良好的非线性映射能力，能够快速提取平台、设备特征参数，得到相应的融合评估等级，解决了目标的电磁特征计算误差较大，存在错误融合的不足。
3、为实现上述目的，专利技术采用的技术方案包括如下步骤：
4、步骤1，构建干扰态势环境：
5、将a个平台、b个雷达设备、c个干扰设备组成一个干扰态势环境，其中，a≥10，b、c的取值与a对应相等；
6、步骤2，生成主被动信息融合样本：
7、步骤2.1，分别计算每个平台的平台径向速度、导引头与平台的距离、平台的方位角；
8、步骤2.2，分别计算每个雷达设备信号的脉宽、载频、脉冲重复周期；
9、步骤2.3，分别计算每个干扰设备信号的方位角、功率；
10、步骤2.4，将计算的所有平台的主动信息、所有设备的被动信息组成一个主被动信息融合样本；
11、步骤3，生成训练集：
12、步骤3.1，选取至少1000个主被动信息融合样本，对每个样本的特征参数进行归一化操作；
13、步骤3.2，计算每个样本的目标融合评估等级，对每个样本标注对应的融合评估等级标签；
14、步骤3.3，将所有归一化操作后的样本及其对应的样本等级标签组成训练集；
15、步骤4，构建卷积神经网络：
16、步骤4.1，搭建一个12层的卷积神经网络，其结构依次串联为：第一卷积层，第一池化层，第一反卷积层，第二卷积层，第二池化层，第二反卷积层，第三卷积层，第三反卷积层，第四卷积层，第五卷积层，第六卷积层，全连接层；
17、步骤4.2，将第一至第六卷积层的卷积核个数依次设置为128、64、32、16、16、8，卷积核的大小均设置为1×3；第一至第二池化层均采用最大池化方式，池化核的大小均设置为1×2，池化步长均设置为1×2；将第一至第三反卷积层的卷积核个数依次设置为8、8、16，卷积核的大小均设置为1×3；
18、步骤5，训练卷积神经网络：
19、将训练集输入到卷积神经网络中，利用反向传播梯度下降法，迭代更新卷积神经网络的各层参数，直到卷积神经网络的损失函数收敛为止，得到训练好的卷积神经网络；
20、步骤6，对融合程度进行评估：
21、采用与步骤3.3相同的归一化方法，对待评估融合程度的每个样本进行归一化处理后的样本，输入到训练好的卷积神经网络中，输出该样本融合程度的评估等级。
22、本专利技术与现有技术相比有以下优点：
23、第1，本专利技术构建了一个干扰态势环境，通过计算环境中所有平台的主动信息、所有设备的被动信息组成一个主被动信息融合样本，解决了现有技术受限于已知雷达特征库，能够获取的融合信息有限，无法有效提取目标的特征信息的不足。使得本专利技术可以支撑复杂干扰态势对平台及设备建立融合关系精度更高的要求，应用场景更加广泛。
24、第2，本专利技术利用主被动信息融合的训练集，对构建的卷积神经网络进行训练，使得训练好的卷积神经网络具有良好的非线性映射能力，能够快速提取平台、设备特征参数，得到相应的融合评估等本文档来自技高网...
【技术保护点】
1.一种基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，生成由所有平台的主动信息、所有设备的被动信息组成的主被动信息融合样本，利用主被动信息融合的训练集训练卷积神经网络；该干扰态势构建方法的步骤包括如下：
2.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤2.1中所述平台径向速度、导引头与平台的距离、平台的方位角是由下述公式得到的：
3.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤2.2中所述雷达设备信号的脉宽、载频、脉冲重复周期是由下述公式得到的：
4.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤2.3中所述干扰设备信号的方位角和功率是由下述公式得到的：
5.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤3.1中所述的归一化操作是由下式实现的：
6.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤3.2中所述每个样本目
7.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤3.2中所述融合评估等级标签指的是：融合评估等级为“差”的标签设置为0，融合评估等级为“一般”的标签设置为1，融合评估等级为“很好”的标签设置为2。
8.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤5中所述卷积神经网络的损失函数如下：
...【技术特征摘要】
1.一种基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，生成由所有平台的主动信息、所有设备的被动信息组成的主被动信息融合样本，利用主被动信息融合的训练集训练卷积神经网络；该干扰态势构建方法的步骤包括如下：
2.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤2.1中所述平台径向速度、导引头与平台的距离、平台的方位角是由下述公式得到的：
3.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤2.2中所述雷达设备信号的脉宽、载频、脉冲重复周期是由下述公式得到的：
4.根据权利要求1所述的基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，步骤2.3中所述干扰设备信号的方位角和功率是...
【专利技术属性】
技术研发人员：李小鹏，李明，袁建林，张煜，田隽垚，江达伟，董阳阳，王贤铧，
申请(专利权)人：西安电子科技大学，
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。