基于数字平行战场的认知智能雷达抗干扰方法及系统与流程

本发明涉及雷达系统与人工智能交叉应用，具体地，涉及一种基于数字平行战场的认知智能雷达抗干扰方法及系统。

背景技术：

1、随着现代电子战技术的迅速发展，雷达系统面临的威胁日益严峻，电子干扰手段呈现出多样化、智能化和协同化的趋势。电子战的传统干扰类型主要包括压制干扰和欺骗干扰两大类。这些干扰技术能够有效地欺骗雷达的跟踪环路，使其丢失对真实目标的锁定。传统的雷达抗干扰技术主要依赖于固定的硬件设计、预设的信号处理算法和基于先验知识或专家规则的决策逻辑。这些方法在面对已知、静态的干扰类型时通常能取得较好的效果，但其缺乏自适应能力。例如，针对固定频率的瞄准干扰，频率捷变是一种有效的对抗手段，但如果干扰机采用宽带阻塞干扰或具有记忆能力的自适应干扰，简单的频率捷变策略便会大打折扣。其次，传统方法通常依赖于精确的先验知识或专家规则，如干扰信号的参数、目标特征等。在真实的战场环境中，获取这些先验知识难度很高，这极大地限制了传统方法的实际应用效果。再次，传统方法在处理动态干扰源的复合干扰时能力有限。例如，当雷达同时面临压制干扰和欺骗干扰时，单一的抗干扰措施往往难以兼顾，导致整体抗干扰性能急剧下降。最后，传统方法的设计和优化过程复杂，需要大量的人工经验和反复试验，开发周期长，难以适应快速发展的电子战技术。因此，发展具备自主学习、智能决策和快速适应能力的下一代抗干扰技术，已成为雷达电子战领域的迫切需求。

2、认知雷达作为一种新兴的雷达技术，其核心思想是基于人工智能理论，使雷达系统具备智能感知、学习、推理和自适应决策的作战能力。认知雷达能够通过与环境的持续交互，实时感知电磁环境的变化，并根据学习到的知识动态调整其发射波形、信号处理方式和抗干扰策略，从而在与干扰机的动态电子对抗中占据优势。

3、公开号为cn121435742a的专利，公开了一种面向复杂电磁环境的智能博弈仿真方法，基于仿真支撑模块、对抗博弈模块和认知决策模块，构建的场景为搭载电子干扰设备的飞行器与雷达进行电子对抗；采用三模块协同式体系结构，三者共同构成干扰机与雷达在电子战环境下进行策略对抗的完整闭环；认知决策模块用于实现策略推理与智能行为生成，推理单元，作为认知决策模块的核心执行模块，负责将实时态势信息输入网络模型，推导出当前最优或次优的联合对抗策略；对抗博弈模块接收认知决策模块的策略输出，用于执行干扰机与雷达的实时对抗过程，包含干扰机机动控制单元，将来自认知决策模块的机动指令映射为三维运动更新；仿真支撑模块为整个博弈过程提供物理场景建模、时序控制及交互支持。该专利采用了三模块协同的博弈仿真框架，主要依赖干扰机机动对抗，未公开本发明在线采集数据、在线训练网络、在线部署执行的深度强化学习闭环自学习机制。

4、因此，目前雷达智能体抗干扰策略的研究大多集中于对决策算法和网络模型的优化，针对样本数据集的来源途径，以及如何高效验证学习结果并优化模型效果的工作方法，仍缺乏系统性研究。尤其在现有技术中，大多数先进智能抗干扰技术在实际作战应用和外场实装试验中面临诸多困难，如装备难以到达指定位置、状态调整时间长、技术状态难获取、战情态势难复现、成本高安全性差等。由此导致认知雷达智能体在多阶段电子对抗交互后进行网络学习的训练成本高、数据采集难度大灯问题，雷达装备的抗干扰新技术验证与更新迭代工作受到极大限制。

5、综上所述，针对上述现有技术的问题，本发明基于深度强化学习与认知智能雷达抗干扰技术交叉领域，尤其涉及在数字平行战场环境下，复杂电磁环境中的电子对抗交互状态空间建模、抗干扰动作建模与奖励函数设计，提出了一种基于数字平行战场的认知智能雷达抗干扰方法。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种基于数字平行战场的认知智能雷达抗干扰方法及系统。

2、根据本发明提供的一种基于数字平行战场的认知智能雷达抗干扰方法，包括以下步骤：

3、步骤s1，构建雷达电子战装备在数字平行战场环境中的平行系统模型，采集样本数据并初始化配置参数；

4、步骤s2，建立用于雷达智能体学习训练的状态空间、动作空间和奖励函数，并基于所述状态空间和所述动作空间构建ddqn网络，将其作为策略选择依据；

5、步骤s3，运行电子对抗场景，在线实时采集场景中的样本数据集，将当前状态输入所述ddqn网络，计算当前推演步内雷达智能体的即时奖励，根据q值更新网络参数，生成抗干扰策略；

6、步骤s4，根据生成的抗干扰策略，对雷达系统模型下发抗干扰动作指令并执行，循环迭代数字平行战场推演训练，直至收敛。

7、优选地，所述平行系统模型包括场景管理模块、电磁环境模块、雷达系统模型和电子战系统模型，其中，所述雷达系统模型包括：资源调度模块、天线模拟模块、综合信噪比计算模块、参数测量模块、数据处理模块和抗干扰模块，其中，所述天线模拟模块用于采集发射功率、工作频点、波束宽度、波形码型、脉冲重复间隔码、脉宽码和底噪声功率，所述综合信噪比计算模块用于采集绝对信噪比，所述目标检测模块用于采集目标个数，所述参数测量模块用于采集目标距离测量值、方位俯仰角测量值和速度测量值，所述数据处理模块用于采集跟踪状态、速度残差和距离残差，所述抗干扰模块用于采集抗干扰方式；所述电子战系统模型包括：信号截获模块、分选识别模块、威胁度评估排序模块、干扰决策模块和干扰信号生成释放模块，其中，所述干扰决策模块用于采集干扰样式标志，所述干扰信号生成释放模块用于采集干扰发射功率、干扰频率、干扰波束方位、干扰波束俯仰、干扰瞬时带宽、假目标时延、假目标个数和假目标多普勒频移。

8、优选地，所述步骤s2，建立用于雷达智能体学习训练的状态空间，包括：根据所述雷达系统模型各模块采集的信息，构建雷达智能体的状态信息集合，根据所述电子战系统模型各模块采集的信息，构建雷达智能体被动感知并在线反演得到的干扰特征集合，设计深度强化学习网络的状态空间，具体形式为：，其中，，，表示雷达辐射波束个数，表示干扰辐射波束个数，表示矩阵的转置。

9、优选地，所述步骤s2，建立用于雷达智能体学习训练的动作空间，包括：设计离散动作与连续动作相结合的多维动作空间a，具体形式为：，其中，表示发射脉冲的中心频率点跳变步数；表示发射波波形的选择与参数调节，其中，离散部分从预设的波形库中选择波形样式，连续部分对应波形参数的调节；表示发射峰值功率的调节，其中，离散部分为高、中、低三档切换，连续部分为具体功率大小的连续调节；表示雷达智能体接收机切换不同滤波算法的步数；表示雷达智能体是否布撒角反射体。

10、优选地，所述步骤s2，建立用于雷达智能体学习训练的奖励函数，具体如下：，其中，表示奖励函数，、表示权重系数，是寂静惩罚项，是绝对信噪比奖励，是跟踪性能奖励，是抗假目标干扰奖励，用于评估雷达识别和剔除假目标的能力，表示资源消耗惩罚，为安全硬约束，用于把作战风险量化为阶梯型惩罚。

11、优选地，所述构建ddqn网络，包括：所述ddqn网络包括输入层、第一隐藏层、第二隐藏层和输出层，所述输出层对应动作空间中全部离散动作的组合；在数字平行战场环境中，雷达智能体根据-greedy策略选择动作，执行动作后获得即时奖励与下一状态并存储经验样本；当迭代步数大于预设阈值后，从经验样本中采样，利用估计网络计算当前动作的估计q值，并选取下一状态的最大q值对应动作，利用目标网络计算该动作的目标q值，结合即时奖励与折扣因子得到目标q值，以均方误差为损失函数更新估计网络参数，并定期将估计网络参数复制至目标网络，直至满足收敛条件。

12、优选地，所述ddqn网络的输入层采用40个神经元，第一隐藏层采用16个神经元且激活函数为relu，第二隐藏层采用8个神经元且激活函数为relu，输出层采用1080个神经元，对应由可选频点数、波形库组数、功率档位数、滤波算法数、角反射体布撒状态数构成的离散动作组合数；训练时使用adam优化器并结合l2正则化；当网络训练迭代步数与平行战场推演步数之比为50的整数倍时，所选动作由指挥员人工确认后执行。

13、根据本发明提供的一种基于数字平行战场的认知智能雷达抗干扰系统，包括以下模块：

14、模块m1，构建雷达电子战装备在数字平行战场环境中的平行系统模型，采集样本数据并初始化配置参数；

15、模块m2，建立用于雷达智能体学习训练的状态空间、动作空间和奖励函数，并基于所述状态空间和所述动作空间构建ddqn网络，将其作为策略选择依据；

16、模块m3，运行电子对抗场景，在线实时采集场景中的样本数据集，将当前状态输入所述ddqn网络，计算当前推演步内雷达智能体的即时奖励，根据q值更新网络参数，生成抗干扰策略；

17、模块m4，根据生成的抗干扰策略，对雷达系统模型下发抗干扰动作指令并执行，循环迭代数字平行战场推演训练，直至收敛。

18、根据本发明提供的一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现上述的基于数字平行战场的认知智能雷达抗干扰方法的步骤。

19、根据本发明提供的一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的基于数字平行战场的认知智能雷达抗干扰方法的步骤。

20、与现有技术相比，本发明具有如下的有益效果：

21、本发明利用数字平行战场的高保真、快速推演能力，构建雷达电子战模型并模拟运行电子对抗场景，在线采集大量样本数据集进行网络训练，使网络在更短步数内即可收敛，相比传统“外场数据获取-离线训练-在线部署”方法，工作流周期更短。

22、本发明将多种抗干扰手段设计为可执行动作，实现在线训练与在线部署，所得策略能够对抗动态干扰源，并通过数字平行战场中的雷达系统模型直接执行和快速迭代，效果优于传统的“先验知识-专家规则”抗干扰策略。

23、本发明通过数字平行战场获取可靠数据集，在奖励函数中同步量化功率暴露风险、频带风险、诱饵弹耗尽等安全事件，综合考虑雷达装备作战中的可能情况，在保障安全、节约资源的同时学习优化抗干扰策略，降低了雷达实装执行强化学习结果的风险和难度。