[发明专利]一种基于深度强化学习的伪装干扰波形生成方法

权利要求书

1.一种基于深度强化学习的伪装干扰波形生成方法，其特征在于，包括以下步骤：

步骤1：获取干扰设备的干扰样式编号集合K、干扰信号功率取值区间P、干扰信号带宽取值区间B；

步骤2：构造训练数据集；

步骤2.1：在雷达对目标进行探测时，干扰设备通过截获雷达信号，获取当前雷达状态s；

s＝{T₁,T₂,f}

其中，T₁为雷达的发射信号脉宽，T₂为雷达的发射信号周期，f为雷达的发射信号中心频率；

步骤2.2：干扰设备随机选择动作a＝{k,p,b}，产生干扰信号g对雷达进行干扰；其中，k为干扰信号g所属的干扰样式的编号，k∈K；p为干扰信号g的功率，p∈P；b为干扰信号g的带宽，b∈B；

步骤2.3：干扰设备获取雷达在受到干扰后的状态s′

s′＝{T′₁,T′₂,f′}；

步骤2.4：计算动作a的奖励值r，生成训练样本(s,a,r,s′)；

P_d＝x_t^-1[10lg(VG_rσR_t^-4)]

其中，为雷达接收机处的信噪比反函数；为雷达接收机处的信干比反函数；V是雷达的性能参数；G_r为雷达天线接收增益；R_t为雷达与目标的径向距离；σ为目标RCS；V_m是干扰机的性能参数；G_m为干扰机天线发射增益；R_m为雷达与干扰机的径向距离；E_m为时域、空域、频域与增益域影响因素之和；η为干扰信号对雷达接受机带宽的覆盖率，与干扰信号带宽b和干扰样式k有关；

步骤2.5：重复步骤2.1至步骤2.4，直至获取预设数量的训练样本；

步骤3：使用训练数据集训练EMDQN网络；训练完成的EMDQN可根据输入的雷达状态s输出对应奖励值r最大的动作a；

步骤4：获取雷达可识别的干扰类型，构建干扰类型编号集合C；训练雷达智能识别网络，标注训练数据集中各训练样本(s,a,r,s′)的动作a对应的干扰信号g对应的雷达可识别的干扰类型的编号m，得到标注后的训练样本(s,a,r,s′,m)，m∈C；

步骤4.1：取训练数据集中的部分训练样本构建集合X₁，其余样本组成集合X₂；

步骤4.2：对于集合X₁中的各训练样本(s,a,r,s′)进行人工标注，根据动作a＝{k,p,b}对应的干扰信号g所属的雷达可识别的干扰类型，标注干扰信号g对应的雷达可识别的干扰类型编号m；

步骤4.3：使用标注后的集合X₁训练雷达智能识别网络；训练完成的雷达智能识别网络可根据输入的干扰信号g输出对应的干扰类型编号m；

所述的雷达智能识别网络以分类交叉熵作为损失函数，其表示为：

L₁＝-p(x)log(q(x))

其中，p(x)为真实概率分布，q(x)为预测概率分布；

步骤4.4：将集合X₂输入训练好的雷达智能识别网络中进行标注；

步骤5：使用标注后的训练数据集训练伪装生成网络；

步骤5.1：对于标注后的训练样本(s,a,r,s′,m)，取动作a＝{k,p,b}对应的干扰信号g的干扰样式编号k与随机噪声z拼接，作为伪装生成网络的输入y＝[z,k]；伪装生成网络输出伪装信号h；

步骤5.2：将伪装信号h与干扰信号g叠加为信号f＝g+h，将信号f输入雷达智能识别网络中，雷达智能识别网络输出识别到的干扰类型编号n；

步骤5.3：若不满足训练截止条件，则计算伪装生成网络的损失函数L₂，并采用梯度下降法更新网络参数后返回步骤5.1；若满足训练截止条件，则输出完成训练的伪装生成网络；

L₂＝-||m-n||₂

步骤6：干扰设备通过截获雷达信号，获取当前雷达状态s；将雷达状态s输入训练完成的EMDQN中，得到动作a＝{k,p,b}；根据动作a中k、p、b参数值得到干扰信号g；将干扰信号g的干扰样式编号k和随机噪声z进行拼接，作为伪装生成网络的输入，得到伪装信号h；将伪装信号h与干扰信号g叠加，得到伪装干扰波形。