基于量子认知的雷达干扰决策方法

1.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量子认知的雷达干扰决策方法。本发明可用于当干扰方侦察到雷达的特征信号时，干扰方选择最优的干扰策略。


背景技术：

2.雷达对抗作为电子对抗领域中重要的一部分，是现代信息化战争的重要环节。雷达干扰决策作为雷达干扰的核心环节，是指在已有雷达先验知识库的基础上，通过对比匹配或相应算法选择适用于雷达不同工作模式的干扰样式的过程。但现有技术目前仍存在一定的问题和不足，没有考虑到决策是一个博弈的动态过程，评估结果过于单一，同时一些算法的模型过于复杂，数据处理的时间上无法满足实时决策的要求。
3.哈尔滨工程大学在其申请的专利文献“一种基于马尔可夫过程决策的认知干扰方法”(专利申请号：201810511830.9，申请公布号：cn 108710110 a)中提出了一种基于马尔可夫过程决策的认知干扰方法。该方法的具体步骤是：第一步，雷达工作在任意一种模式，干扰机利用雷达信息识别工作状态，并在其方案池中寻找最优的干扰对其进行干扰；第二步，雷达以周期检测到干扰信号，改变雷达工作模式，使得干扰机对雷达的干扰程度降到最低；第三步，重复第一步、第二步，建立雷达工作状态转移马尔可夫链，利用马尔可夫蒙特卡洛方法计算转移概率，对雷达受到干扰时的下一个工作模式进行预测，实现干扰收益最大化。该方法可以根据得到的雷达工作模式状态转移矩阵进一步预测雷达下一次的工作模式。但是，该方法仍然存在的不足之处是，由于干扰方和雷达方为非合作方，干扰方无法直接获取雷达信息，而且选择干扰样式只根据雷达的状态转移概率，没有给出对干扰的评估，因此不能对决策结果进行最优判定。
4.西安电子科技大学在其申请的专利文献“基于深度强化学习的雷达干扰决策方法”(申请号：202010029684.3；申请公布号：cn 111199127 a)中提出了一种基于深度强化学习的雷达干扰决策方法。该方法的实现方案为：第一步，根据工作模式的特征信号生成训练集训练雷达工作模式识别器；第二步，根据工作模式的最小威胁值构造判决器；第三步，构建雷达方的工作模式转移矩阵；第四步，构建干扰方的干扰收益矩阵；第五步，构建包括雷达工作模式识别器、判决器、雷达方和干扰方的干扰决策系统；第六步，随机采样仿真信号，输入干扰决策系统进行选取干扰策略的工作，直到满足决策输出条件，输出决策结果。该方法解决现有技术中人为因素导致评估的不合理的问题。但是，该方法仍然存在的不足之处是，模型过于复杂，雷达工作模式的识别效率不高，时效性不佳。
5.综上所述，对于相应算法在雷达干扰决策的应用，目前已有的方法没有考虑决策是一个博弈的动态过程，导致了决策过于片面和决策模型不易工程实现的问题。


技术实现要素：

6.本发明的目的在于针对上述现有技术的不足，提供一种基于量子认知的干扰决策
方法，以解决现有技术下评估过于简单，没有给出对干扰的评估，直接从雷达方获取信息以及决策过程中模型过于复杂，时效性差的问题。
7.实现本发明目的的具体思路是：本发明对现有的干扰决策方法进行改进，首先干扰方侦察得到相控阵雷达的特征参数，特征参数包括相控阵雷达信号的脉冲数、相控阵雷达信号的带宽、相控阵雷达信号的调斜率、相控阵雷达信号的脉冲宽度，根据特征参数，得到工作状态的联合置信度。由于干扰方可以通过侦察获得相控阵雷达的特征参数，这样干扰方无需从雷达方直接获取信息，更加符合实际场景下相控阵雷达和干扰机的对抗过程，解决了现有技术需要依赖雷达方信息的问题。本发明通过量子认知来预测工作状态，由于量子认知具有对状态进行认知的能力，干扰决策问题的本质上是基于对工作状态的预测，因此可以通过量子认知的认知状态的特点来实现对雷达工作状态的预测。由此解决了模型过于复杂导致的工作状态识别效率不高的问题。本发明最后根据预测的相控阵雷达工作状态，以雷达威胁度等级的变化来评估干扰样式的收益，选择雷达威胁度等级降低最多的干扰样式，来完成干扰决策，由此解决了时效性不佳的问题。
8.为实现上述目的，本发明的技术方案步骤如下：
9.步骤1，设置接收的相控阵雷达信号特征的置信度：
10.对干扰方的一部侦察机接收的相控阵雷达信号的时频图进行时频分析，从时频图提取出相控阵雷达信号的特征参数；
11.步骤2，生成相控阵雷达各个工作状态的联合置信度：
12.联合提取信号特征值识别工作状态，生成每个工作状态雷达信号所有特征参数的联合置信度；
13.步骤3，生成相控阵雷达的转移矩阵：
14.计算雷达工作状态是否转移的概率，将雷达工作状态的所有转移概率值组成雷达工作状态转移矩阵；
15.步骤4，预测当前环境下的相控阵雷达工作状态：
16.(4a)计算当前环境下雷达的工作状态概率分布；
17.(4b)将当前环境下雷达的工作状态概率分布中最大值对应的工作状态，作为预测的当前环境下雷达下一步的工作状态；
18.步骤5，选择干扰收益最大的干扰样式：
19.(5a)生成干扰方施加干扰后相控阵雷达威胁度等级变化矩阵；
20.(5b)选择威胁度等级变化矩阵中的最小值对应的干扰样式作为干扰收益最大的干扰样式。
21.本发明与现有技术相比具有如下优点：
22.第一，本发明干扰方得到的相控阵雷达的信号特征，没有直接从雷达方获取，克服了现有技术需要从雷达方直接获得雷达信息才能进行干扰决策的不足，使得本发明实现了非合作条件下对干扰方的干扰决策。
23.第二，本发明生成的相控阵雷达的转移矩阵，其转移概率值的计算是基于量子认知，计算简单，克服了现有技术的模型过于复杂，时效性差的不足，使本发明不仅保证了干扰决策的准确性，而且提高了对雷达工作状态的识别效率。
24.第三，本发明根据干扰方施加干扰后雷达威胁度等级的变化，选择干扰收益最大
的干扰样式，克服了现有技术仅根据雷达的状态转移概率，过于简单的不足，使得本发明具有全面性和准确性。
附图说明
25.图1为本发明的流程图。
具体实施方式
26.下面将结合本发明的流程图和实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
27.参照图1，对本发明实施例提供的对相控阵雷达的干扰决策方法的实现步骤作进一步的描述。
28.步骤1，设置接收的相控阵雷达信号特征的置信度。
29.对干扰方的一部侦察机接收的相控阵雷达信号的时频图进行时频分析，从时频图提取出相控阵雷达信号的特征参数。该特征参数包括相控阵雷达信号的脉冲数、相控阵雷达信号的带宽、相控阵雷达信号的调斜率、相控阵雷达信号的脉冲宽度。由实践得到，相控阵雷达处于不同状态时雷达各个特征参数的置信度。
30.在本发明实施例中，只选取相控阵雷达信号的脉冲数、带宽、调斜率，这三类特征参数，雷达的工作状态只有搜索和跟踪状态两种工作状态。相控阵雷达信号的脉冲数为1，相控阵雷达信号的带宽为2mhz，该相控阵雷达的调斜率发生变化，为正负调频。当相控阵雷达对应的工作状态为搜索时，相控阵雷达的脉冲数、带宽以及调斜率变化的置信度值分别为0.02，0.05，0。当相控阵雷达对应的工作状态为跟踪，置信度值分别为0.49，0.9，0。
31.步骤2，生成相控阵雷达各个工作状态的联合置信度。
32.由于通过单个特征参数来识别相控阵雷达工作状态的准确率较低，为了提高准确率，需要联合提取到的所有特征参数来识别相控阵雷达工作状态。
33.按照下式，计算相控阵雷达在每个工作状态时的联合置信度：
[0034][0035]
其中，c
l
表示相控阵雷达在第l个工作状态时的联合置信度，l表示相控阵雷达工作状态的序号，l＝1,2,...l，l≥2，l表示相控阵雷达工作状态的总数，n表示相控阵雷达信号特征参数的总数，k表示相控阵雷达信号特征参数的序号，k＝1,2,...,n，n≥2，表示相控阵雷达信号特征参数中第k个特征参数对第l个工作状态重要程度的权值因子，表示相控阵雷达信号特征参数中第k个特征参数对应第l个工作状态的置信度值。
[0036]
本发明实施例中雷达的工作状态为搜索时，相控阵雷达的脉冲数、带宽以及调斜率变化的权值因子分别设置为0.9，0.05，0.05。当雷达的工作状态为跟踪时的相控阵雷达的脉冲数、带宽以及调斜率变化的权值因子分别设置为0.1，0.8，0.1。将搜索和跟踪工作状
态下的脉冲数、带宽、调斜率三个特征参数对应的置信度，以及权值因子代入到上述公式中，得到相控阵雷达状态为搜索的联合置信度为0.023，相控阵雷达状态为跟踪的联合置信度为0.789。
[0037]
步骤3，生成相控阵雷达的转移矩阵。
[0038]
根据量子认知理论，可以将本发明中的相控阵雷达和干扰机对抗博弈的系统看成是一个封闭的量子系统。据此，可以使用封闭量子系统中用来描述系统状态演变的概率来描述本发明的相控阵雷达和干扰机对抗博弈的系统中相控阵雷达工作状态的转移。在相控阵雷达和干扰机对抗博弈的系统中，相控阵雷达在受到干扰时，分为两类情况：干扰有效，相控阵雷达会采取改变工作状态的方式来对抗干扰。干扰无效，相控阵雷达保持原先的工作状态。对于干扰方，也分为两种情况：干扰有效，需要根据改变的工作状态选择干扰方式。干扰无效，需要根据没有改变的工作状态重新选择干扰效果更好的干扰方式。所以，干扰方需要分别得到现在相控阵雷达工作状态发生变化和保持不变两种状态下的概率。根据不同的概率，判断当前环境下的工作状态。
[0039]
同时，干扰方是无法确定相控阵雷达的初始工作状态为l还是w，分为两种情况：初始状态为l，干扰需要得到工作状态发生变化的概率u
lw
，保持不变的概率u
ll
；初始状态为w，干扰需要得到工作状态发生变化的概率u
wl
，保持不变的概率u
ww
，其中，u
lw
＝-u
wl
,
[0040]
按照下式，计算相控阵雷达受到有效干扰时，相控阵雷达从一个工作状态转移为另一个工作状态的概率：
[0041][0042]
其中，u
lw
表示相控阵雷达在受到有效干扰时，相控阵雷达从第l个工作状态转移为第w个工作状态的概率，w表示所有相控阵雷达工作状态中除第l个状态外的任意一种工作状态，u
wl
表示相控阵雷达在受到有效干扰时，相控阵雷达从第w个工作状态转移为第l个工作状态的概率，exp(
·
)表示以自然常数e为底的指数操作，i虚数单位符号，π表示圆周率，cw表示第w个工作状态的联合置信度，c
l
表示第l个工作状态的联合置信度。
[0043]
按照下式，计算相控阵雷达受到干扰无效时，相控阵雷达保持工作状态不变的概率：
[0044][0045]
其中，u
ll
表示相控阵雷达受到的干扰无效时，相控阵雷达仍然保持为第l个工作状态的概率，u
ww
表示相控阵雷达受到的干扰无效时，仍然保持为第w个工作状态的概率，(
·
)
*
表示取共轭操作，u
ww
概率值为u
ll
的值取共轭。
[0046]
在本发明实施例中，相控阵雷达的第l种状态为搜索，第w种状态为跟踪。将相控阵雷达状态为搜索、跟踪的联合置信度代入到上述第一个公式中，可以得到干扰有效时，相控阵雷达由搜索状态转移到跟踪状态的概率为-0.36i，由跟踪状态转移到搜索状态的概率为-0.36i。将相控阵雷达状态为搜索、跟踪的联合置信度代入到上述第二个公式中，可以得到干扰失效时，相控阵雷达保持为搜索状态的概率为-0.92 0.13i，相控阵雷达保持为跟踪状态的概率为-0.92-0.13i。
[0047]
步骤4，预测当前环境下的相控阵雷达工作状态。
[0048]
相控阵雷达的初始工作状态分布，为干扰机在侦察相控阵雷达信号前对相控阵雷达工作状态的基本判断。按照下式，相控阵雷达的初始工作状态分布乘以相控阵雷达转移矩阵，得到当前环境下相控阵雷达的工作状态概率分布：
[0049][0050]
其中，q表示当前环境下相控阵雷达的工作状态概率分布，p表示相控阵雷达的初始工作状态概率分布，u表示相控阵雷达的转移矩阵，p
l
表示上一时刻干扰方认为相控阵雷达初始工作状态为第l个工作状态的概率，pw表示上一时刻干扰方认为相控阵雷达初始工作状态为第w个工作状态的概率，q
l
表示当前环境下相控阵雷达工作状态为第l个工作状态的概率，qw表示当前环境下相控阵雷达工作状态为第w个工作状态的概率。
[0051]
在本发明实施例中，相控阵雷达初始概率分布设置为和转移矩阵一起代入到上述公式中，得到当前环境下相控阵雷达的工作状态为搜索状态的概率为0.66，跟踪状态的概率0.75。跟踪状态的概率值为最大值，将跟踪状态作为预测的当前环境相控阵雷达的工作状态。
[0052]
步骤5，选择干扰收益最大的干扰样式。
[0053]
(5a)生成干扰方施加干扰后相控阵雷达威胁度等级变化矩阵如下：
[0054][0055]
其中，r表示威胁度等级变化矩阵，表示干扰方施加第j1个干扰后相控阵雷达工作状态的威胁度等级，g
l
表示干扰方没有施加干扰时相控阵雷达工作状态的威胁度等级，表示干扰方施加第j2个干扰后相控阵雷达工作状态的威胁度等级，表示干扰方施加第jq个干扰后相控阵雷达工作状态的威胁度等级，q表示干扰样式的总数，q≥2。
[0056]
(5b)选择威胁度等级变化矩阵中的最小值对应的干扰样式作为干扰收益最大的干扰样式。
[0057]
在本发明实施例中，可选择的干扰样式为射频噪声干扰和拖引干扰，搜索状态的威胁度等级低于跟踪状态的威胁度等级。干扰方采用射频噪声干扰时，干信比的值较低的情况下，相控阵雷达接收机仍然可检测到目标回波，并对其进行跟踪，此时相控阵雷达的威胁度等级没有发生变化。干扰方采用托引干扰时，会产生假目标来欺骗相控阵雷达，相控阵雷达只能转变为搜索状态来重新搜索目标，此时相控阵雷达的威胁度等级降低。所以选取托引干扰来让相控阵雷达无法分辨原目标，达到有效干扰。
[0058]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，实现
上述实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。