一种多雷达节点协同抗干扰策略推送方法

本发明属于雷达抗干扰，具体涉及一种多雷达节点协同抗干扰策略推送方法。

背景技术：

1、随着现代电子对抗技术持续发展，雷达系统面临窄带瞄频干扰、宽带阻塞干扰、切片转发干扰、密集假目标干扰以及多干扰源、多体制并发的复合干扰场景。压制式干扰会提高噪声底、降低目标峰值显著性；欺骗式干扰会通过转发、复制或延迟调制雷达信号制造伪峰，压低真实目标检测排序，影响目标发现、确认和连续跟踪。在多雷达协同探测场景中，不同雷达与目标、干扰机之间具有不同空间几何关系、载频条件和受干扰程度。单部雷达的局部最优动作不必然带来系统级最优效果，多个节点如果缺少全局态势融合和差异化分工机制，可能出现重复保守、互不协调或动作冲突的问题。因此，复杂电磁环境下的抗干扰策略生成需要同时考虑多雷达全局协同信息、单雷达局部观测差异和工程可执行约束。

2、传统雷达抗干扰方法通常依赖专家规则或固定策略表。这类方法结构清晰、工程实现简单，在单一干扰或稳定干扰场景中具有一定效果；但面对动态复合干扰时，难以根据目标运动状态、干扰源空间位置、雷达当前工作模式、历史控制动作以及检测跟踪反馈进行实时调整，容易出现策略响应滞后、抗干扰措施组合不合理、虚警数量增加或航迹连续性下降等问题。强化学习技术为雷达抗干扰策略自适应生成提供了新的技术路径。但如果仅将干扰类型、信噪比或简化态势变量作为抽象状态，将抗干扰方式作为少量离散动作，则策略学习结果难以证明其在真实信号处理链路中的作用；如果直接将三部雷达的全部控制量展平为一个联合动作编号，动作空间会随雷达数量和控制维度呈指数级增长，导致q值输出规模庞大、探索效率低、样本利用率差和训练难以收敛。

3、现有方案大多只是针对某一种抗干扰技术进行单独设计，这类方法能够针对特定干扰机理取得局部效果，但忽略了多种抗干扰动作之间的耦合关系。实际上，雷达的工作模式、波形类型、扫描周期、发射功率、频率捷变、频率分集、窄脉冲剔除、副瓣对消和副瓣匿影会共同影响发射波形生成、干扰耦合强度、接收增益、检测门限、虚警数量和航迹稳定性。若各控制量分别优化，容易出现某一指标改善但整体任务性能下降的情况。传统抗干扰策略通常以单部雷达为优化对象，关注单雷达的信号质量、检测概率或干扰抑制效果。但在分布式多雷达体系中，不同雷达与目标、干扰机之间的空间几何关系、载频条件、观测质量和受干扰程度并不相同，单雷达的局部最优策略并不必然带来系统级最优效果。如果缺少全局态势融合和雷达间差异化分工机制，多部雷达可能采取重复、保守或互不协调的控制动作，无法充分利用任一雷达成功检测即可形成系统级成功的协同探测优势。将强化学习用于雷达抗干扰策略生成虽然具备自适应优势，但如果直接把三部雷达的全部控制量展开为一个单一联合动作编号，动作空间会随雷达数量和控制维度呈指数级增长。若将几个动作直接组合为平坦动作空间，会导致q值输出规模庞大、样本利用效率低、训练收敛困难和泛化能力不足。因此，一般强化学习方法在不进行动作分解和结构化建模的情况下，难以有效应用于多雷达协同抗干扰策略推送。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种多雷达节点协同抗干扰策略推送方法。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明提供了一种多雷达节点协同抗干扰策略推送方法，所述方法包括：

3、获取多雷达在复杂干扰环境下的i/q回波、平台状态、干扰类型和跟踪结果，通过统一编码形成智能体观测状态；

4、利用训练好的分支式dueling double dqn策略生成网络根据智能体观测状态，为每部雷达的每个动作分支分别选择相应的分支动作，生成每部雷达对应的分支动作矩阵；

5、利用控制映射器将分支动作矩阵转换为工程控制参数，经过合法性校验后下发至各雷达执行完整的雷达信号处理链路，以实现抗干扰策略推送；

6、其中，所述分支式dueling double dqn策略生成网络采用i/q编码器、全局状态编码器、共享融合层、雷达专属决策头的层次化结构；将各雷达执行完整的雷达信号处理链路后的结果作为任务反馈，采用任务型奖励函数根据任务反馈训练分支式dueling doubledqn策略生成网络；在训练时设置在线网络和目标网络，在线网络在下一状态选择贪婪动作，目标网络对贪婪动作进行价值评估，以实现分支式dueling double dqn策略生成网络的训练。

7、在本发明的一个实施例中，智能体观测状态，包括：

8、各雷达对应的i/q快拍、平台状态、上一时刻动作特征、动作切换标志以及干扰机类型编码、全局航迹摘要。

9、在本发明的一个实施例中，工程控制参数，包括：

10、工作模式、波形类型、扫描周期、发射功率、频率捷变、频率分集、窄脉冲剔除、副瓣对消和副瓣匿影。

11、在本发明的一个实施例中，完整的雷达信号处理链路，包括：

12、发射机根据工程控制参数生成发射脉冲；

13、目标模型基于发射脉冲，根据位置、速度、雷达截面积rcs和雷达方程计算目标回波；

14、接收端在时域叠加目标回波、热噪声和干扰机时域干扰，执行匹配滤波、距离抽样、多普勒fft形成距离-多普勒功率图；

15、基于距离-多普勒功率图，通过cfar检测和航迹管理，以实现抗干扰策略推送。

16、在本发明的一个实施例中，控制映射器设置有合法性约束，当副瓣匿影开启但副瓣对消未开启时，将副瓣匿影强制关闭。

17、在本发明的一个实施例中，在所述分支式dueling double dqn策略生成网络中，

18、i/q编码器采用三层一维卷积结构，对各雷达对应的i/q快拍进行编码，得到各雷达的i/q特征，各雷达共享i/q编码器的参数；

19、全局状态编码器采用全连接网络，对平台状态、上一时刻动作特征、动作切换标志、干扰机类型编码和全局航迹摘要进行编码，得到状态特征；

20、共享融合层将各雷达的i/q特征与状态特征拼接，映射为共享全局特征；基于共享全局特征得到专属决策表征；

21、雷达专属决策头根据专属决策表征输出各动作分支的q值，并根据各动作分支中最大q值对应的动作形成联合分支动作矩阵。

22、在本发明的一个实施例中，基于共享全局特征得到专属决策表征，包括：

23、每部雷达将共享全局特征与自身的i/q特征拼接，得到拼接特征；

24、雷达专属融合层根据拼接特征得到专属决策表征。

25、在本发明的一个实施例中，任务型奖励函数以任务结果为核心，由局部检测奖励、系统级检出奖励、跟踪连续性奖励、虚警惩罚和动作切换惩罚构成。

26、第二方面，本发明提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；

27、所述存储器，用于存放计算机程序；

28、所述处理器，用于执行所述存储器上所存放的程序时，实现本发明第一方面所提供的一种多雷达节点协同抗干扰策略推送方法的步骤。

29、第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明第一方面所提供的一种多雷达节点协同抗干扰策略推送方法的步骤。

30、本发明的有益效果：

31、本发明所提供的方案中，每一步策略动作都会实际作用于雷达信号处理链路中，通过真实检测跟踪结果反馈至分支式dueling double dqn策略生成网络，更贴近复杂电磁对抗场景下的工程验证需求；本发明对多雷达联合动作空间进行了结构化分解，将每部雷达控制动作拆解为低维离散分支，通过i/q编码、全局融合和雷达专属决策头实现全局感知、局部执行；相较于直接展开三雷达联合动作的方案，本发明既保留组合控制能力，又避免输出维度爆炸。进一步地，本发明所设计的任务型奖励函数更符合雷达任务目标，与只使用sinr或单步检测概率的方案相比，本发明同时考虑局部检测、系统级检测、真实目标排序、航迹确认、虚警率和动作切换代价，能够鼓励策略在信号质量、目标持续跟踪和系统稳定性之间取得平衡。