[发明专利]利用粒子群算法生成的间歇采样调相干扰波形方法

说明书

本发明公开了一种基于粒子群算法生成的间歇采样调相干扰波形方法，旨在解决现有技术间歇采样调相转发技术所获得的目标函数容易陷入局部最优解，导致间歇采样波形生成时获得的干扰参数较差的缺陷。本发明的实现步骤包括：生成三种不同的雷达信号组成的样本集；生成粒子群的目标函数；利用粒子群算法优化间歇采样干扰信号的干扰参数码元宽度与采样时间；利用优化后的最优的干扰参数生成对应的间歇采样调相干扰信号。本发明具有不需要建立干扰波形库，通过粒子群算法就可以获得最优的间歇采样调相干扰波形的优点。

技术领域

本发明属于雷达通信技术领域，更进一步涉及电子对抗技术领域中的一种基于粒子群算法的间歇采样调相干扰波形方法。本发明对可用于对干扰信号为间歇采样调相波形时，得到较优的相位调制干扰波形。

背景技术

随着技术的进步，各种新式雷达不断涌现，其智能化水平也不断提高，而传统的雷达对抗方式主要是基于先验的目标特征库而采取预先编程的对抗措施。该种方式难以应对雷达日益增强的抗干扰措施，使得雷达对抗装备对于时间、准确率的需求越来越高。因此，生成低时间、高准确率的干扰波形优化在电子对抗中十分重要。

孙剑炜等人在其发表的论文“基于遗传算法的相位调制波形智能优化”(《系统工程与电子技术》2022(003):044)中提出了一种基于智能优化算法的雷达对抗波形智能优化模型的间歇采样调相干扰波形方法。该方法的实现步骤是，在传统的雷达对抗系统中增加波形优化模块。该模块可以根据接收到的雷达信号在系统内容建立一个虚拟雷达，用以模拟对方雷达的接收过程，并依此对当前参数合成的对抗波形的效能进行评估。同时，在该评估结果的指导下，使用智能优化算法对波形的参数进行优化，进而实现发射波形对抗性能的提升。该方法存在的不足之处是，所使用的方法容易在生成间歇采样干扰波形时陷入局部最优解，导致间歇采样波形生成时获得的干扰参数较差，生成的干扰波形对雷达的干扰效果较差。

杭州电子科技大学在其申请的专利文献“带动作集合的强化学习干扰波形生成、评价方法及装置”(申请号：202210875262.7；申请公布号：CN115378774A)中提出了一种干扰波形生成方法。该方法的实现方案是：建立干扰波形库；构建干扰波形决策网络，包括策略网络和价值网络；探索阶段使用跟踪算法进行干扰，填充经验池；从经验池中随机选取一组数据；根据当前状态的干扰动作，通过策略网络预测下一时刻相应干扰动作；根据策略网络输出的干扰动作，生成离散化干扰动作，从干扰波形库中选取干扰动作，并结合策略网络输出的干扰动作，共同输入价值网络，得到价值最高的干扰动作作为实际的干扰动作。该方法存在的不足之处是，该方法只能基于干扰波形库才能生成干扰信号，如果遇到在干扰波形库中不存在的雷达信号时，则无法生成对应的干扰波形。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出了一种利用粒子群算法的雷达对抗间歇采样干扰信号的生成方法。解决现有技术生成的干扰信号准确率不高，干扰效果差的问题，以及无法生成干扰波形库以外干扰波形的问题。

实现本发明目的的思路是，本发明使用粒子群算法，使用非线性的自适应惯性权重替代常数权重，使得粒子群算法在刚开始的时候倾向于开掘，然后逐渐转向于开拓，从而在局部区域调整解，就避免了惯性权重较小或较大时，间歇采样干扰信号生成容易陷入局部最优解的缺陷。通过设置不同的雷达信号，例如线性调频信号，二项编码信号等，以及设置虚警率，伪随机序列等其它实验参数，再利用粒子群算法对其进行采样时间、码元宽度的同时优化，可以得到针对不同的雷达信号的最优的间歇采样信号干扰波形。

实现本发明目的的具体步骤如下：

步骤1，生成雷达信号样本集：

将至少3种类型的雷达信号组成样本集，每种类型的雷达信号包含50个样本；

步骤2，生成粒子群的目标函数如下：