[发明专利]一种基于脉冲描述字的雷达干扰参数优化方法及系统

说明书

本发明公开了一种基于脉冲描述字的雷达干扰参数优化方法及系统，通过侦察敌方雷达信号参数，判断敌方雷达工作状态；根据判断出的敌方雷达工作状态，选出最优的干扰样式。本发明计了基于脉冲描述字的雷达干扰参数优化策略，在功率有限的情况下，尽可能高效的提升对雷达的自卫干扰效果，具备应对不同雷达不同工作状态的能力；通过侦察获得雷达信息精确计算干扰参数实施干扰，可靠性高，在一定程度上可有效实施干扰；在雷达参数难以准确侦察的情况下，可有效应对线性调频、相位编码、复杂脉冲调制等脉冲信号以及连续波和准连续波信号；通过优化干扰参数，可使敌方的干扰侦察设备难以获得干扰信号特征并采取针对性的对抗措施。

技术领域

本发明涉及雷达干扰技术领域，尤其公开了一种应用于自卫式干扰机、针对相控阵雷达、基于脉冲描述字的雷达干扰参数优化方法及系统。

背景技术

雷达干扰方在侦察获得脉冲描述字（脉冲描述字包括脉冲载频（CF，CarrierFrequency）、脉宽（PW，PulseWidth）、幅度（PA，Pulse Amplitude）、到达时间（TOA，TimeofArrival）、角度（DOA，Direction of Arrival）和调制（PM，Intra-PulseModulation）等）的基础上，数据处理得到雷达目标描述字（目标描述字包括载频捷变、波形变化、脉冲周期变化、脉宽变化和扫描周期与方式变化等），根据敌情判断选择干扰目标、确定干扰时机、分配干扰任务、形成干扰方案，干扰决策随雷达环境和抗干扰技术的改变需要及时自动修正。干扰决策中形成干扰方案主要分两个层级，一是利用专家知识库辅助干扰样式选择，利用干扰经验确定干扰参数，二是利用信号侦察信息选择干扰样式并优化干扰参数，使干扰效果最优。专家知识库主要是依据以往侦察信息形成的目标威胁库，原理虽然简单，但这需要大量的实战侦察经验积累，这点很难做到。

近年来，随着人工智能的不断发展，不少学者研究运用机器学习的相关方法进行雷达干扰决策的研究。Xing Qiang，Zhu Wei-gang等人提出了一种基于强化学习的智能雷达干扰方法以提高雷达对抗系统的自适应性，张柏开针对相控阵雷达的干扰决策问题，研究了基于Q学习（Q-learning）的认知干扰决策问题。这些研究实质上等同于是专家知识库的高效建立方式，且往往需要预先获取大量带标签的雷达数据，而这些数据在实际场景中很难获得。此外，杨沛，万连城等人分析了间歇采样干扰参数设置对雷达干扰效果的影响，并仿真验证了干扰效果。廖明飞、王瑜提出了一种延时叠加密集假目标干扰的设置方法，对盲CFAR（Constant False-Alarm Rate，恒虚警检测）参数下密集假目标压制的参数设置等有一定的指导意义。然而上述雷达干扰决策存在着不能应对不同雷达不同工作状态的能力、且可靠性差的技术问题。

因此，如何选择干扰样式、设置不同干扰样式的干扰参数以保证干扰性能，是干扰决策系统目前亟待解决的技术难题。

发明内容

本发明提供了一种基于脉冲描述字的雷达干扰参数优化方法及系统，旨在解决现有雷达干扰决策存在的不能应对不同雷达不同工作状态的能力、且可靠性差的技术问题。

本发明的一方面涉及一种基于脉冲描述字的雷达干扰参数优化方法，包括以下步骤：

侦察敌方雷达信号参数，判断敌方雷达工作状态；

根据判断出的敌方雷达工作状态，选出最优的干扰样式。

进一步地，侦察敌方雷达信号参数，判断敌方雷达工作状态的步骤包括：

利用干扰机侦察获得敌方雷达脉冲描述字，经数据处理后形成雷达目标描述字；

根据形成的雷达目标描述字，判断敌方雷达工作状态以选出最优的干扰样式。

进一步地，干扰样式包括全脉冲采样转发干扰、间歇采样转发干扰和密集假目标干扰，根据判断出的敌方雷达工作状态，选出最优的干扰样式的步骤包括：