[发明专利]一种雷达智能认知抗干扰策略的生成方法

说明书

本发明提供的一种雷达智能认知抗干扰策略的生成方法，采用WR²L鲁棒强化学习框架构建抗干扰策略生成网络，作为FA雷达的代理，该框架能够处理高维任务，并拥有较高的性能，在网络训练过程中，通过使用参数化的干扰策略和参数摄动后的网络参数设计抗干扰策略，对神经网络的部分权值进行优化摄动的干扰策略摄动方法，将奖励根据一个雷达相干处理时间CPI中FA雷达代理的检测概率计算得到，使得雷达能够在环境和测试之间存在不确定性的情况下保持较高的抗干扰能力，减少生成鲁棒抗干扰策略的计算量，与非鲁棒性抗干扰策略相比抗干扰能力得到了较大提升。

技术领域

本发明属于雷达技术领域，具体涉及一种雷达智能认知抗干扰策略的生成方法。

背景技术

随着现代电子战的发展，雷达面临着来自敌方干扰机的更大挑战。在这些不同的干扰技术中，主瓣干扰尤其难以处理，由于干扰机和目标距离足够近，且都在雷达的主波束内，传统的空间置零等干扰方法是无效的。

主瓣干扰的抗干扰方法可分为无源抑制方法和有源对抗方法两大类。比如基于改进的块矩阵(MBM)方法、基于特征投影处理和协方差矩阵重构的主瓣抗干扰方法，这些方法都是建立在干扰机与视线方向的角度分离不一致的假设基础上的，这在实际的电子战中可能是不成立的。因此，这些无源抑制方法的缺点限制了它们在实际电子战中的应用。与无源抑制方法相比，有源对抗要求雷达提前采取一些措施避干扰，这意味着不需要前面提到的假设，并且可以在一定程度上解决无源抑制方法的缺点。这些措施包括传输中的频率捷变、PRI捷变、脉冲分集等。特别地，由于频率捷变(FA)雷达能以随机的方式主动地将载波频率从一个脉冲变为另一个脉冲，这使得敌方干扰机很难截获雷达信号和实施干扰。

现有技术提出一种基于强化学习模型的智能抗干扰方法，分别利用Q学习与Sarsa两种经典的强化学习算法对反干扰模型中的值函数进行了计算并迭代，使得反干扰策略具备了自主更新与优化功能。相比于传统的反干扰设计手段，该方法不再上受限于人工经验的约束，避免了人工设计策略时的繁琐，雷达反干扰的智能化程度得到了有效提升。但是这种方法是针对干扰从雷达旁瓣进入以及特定的策略进行训练的，在特定的场景下雷达能进行有效地对抗，存在无法解决雷达主瓣干扰的问题以及同时对抗多种干扰策略的问题。

在现有技术文章“基于强化学习的认知雷达抗干扰跳频策略设计”和“基于深度Q网络的频率捷变雷达抗干扰策略设计”中研究了在给定主瓣干扰的情况下，如何在频域设计抗干扰策略。这些策略基于马尔可夫决策过程框架，利用强化学习算法进行求解。由于文章中假设FA雷达可以在训练环境中离线学习干扰策略，然后在测试环境中利用学习到的策略对抗干扰机以及假设在训练和测试的整个阶段，干扰机将拦截雷达的动作，雷达也将感知整个频域以获得干扰机的动作并不完全正确。雷达和干扰机之间存在一定的不确定性，干扰机无法拦截每个雷达脉冲，而雷达也不能得到干扰机的准确结果。这将导致测试环境和训练环境之间产生偏差，大幅度降低雷达的抗干扰性能，导致雷达无法有效地与干扰策略进行对抗。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种雷达智能认知抗干扰策略的生成方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供的一种雷达智能认知抗干扰策略的生成方法包括：

步骤1：构建干扰机的多个干扰策略；

步骤2：基于预先的模仿学习模型对多个干扰策略进行参数化，获得每个干扰策略的参数化表达；

步骤3：对每个干扰策略的参数化表达进行参数摄动，获得参数摄动后的干扰策略；

步骤4：构建基于WR²L的抗干扰策略生成网络，将其作为FA雷达的代理；

步骤5：利用所述参数摄动后的干扰策略，对所述抗干扰策略生成网络训练，以使所述抗干扰策略生成网络按照奖励递增的方向在动作数据中选择动作执行，直至所述抗干扰策略生产网络的执行动作的奖励不再变化，得到训练好的抗干扰策略生成网络；