一种针对雷达系统的多干扰机协同压制资源调度方法

技术特征：
1.一种针对雷达系统的多干扰机协同压制资源调度方法，定义雷达系统由m个相控阵雷达组成，其中雷达m的坐标为(x
m
,y
m
)，m＝1,2,
…
,m；其特征在于，包括：s1、定义在跟踪时刻k，有g个目标执行突防任务，其中目标g位于速度为由n个干扰机伴飞目标，n<m，组成干扰支援编队，对雷达系统实施协同干扰，其中干扰机n在k时刻的坐标为速度为干扰机n最多同时产生l个干扰波束，每个波束的发射功率被约束在[e
min
,e
max
]的范围内，总功率为e
sum
；s2、雷达m被多个干扰机干扰后，雷达接收机处对目标g的sjnr表示为：其中，为雷达m从目标g接收到的回波信号功率，为雷达m从干扰机n接收到的干扰信号功率，e
m
为雷达接收机的内部噪声，θ
n,m,k
为干扰机的波束指向，波束指向θ
n,m,k
与干扰机的发射功率e
n,m,k
相互耦合，关系为：定义雷达m对目标g的检测概率为：其中，v
t
代表检测阈值；s3、雷达在压制性干扰环境中以的检测概率探测目标，定义第m个雷达收集到的第g个目标的量测值为：其中，为第m个雷达检测到第g个目标的检测概率，为一个非线性函数：其中，为k时刻目标g的状态向量：f表示状态转移矩阵，代表协方差为的均值为零的高斯过程噪声；
对于压制干扰环境中的情况，雷达系统采集第g个目标的个量测值，得到目标状态的估计值为：其中，为k时刻第g个目标的卡尔曼增益；s4、采用pcrlb作为雷达系统量化单目标跟踪性能的代价函数：其中，θ
k
＝(θ
n,m,k
)
n
×
m
为干扰波束分配向量，e
k
＝(e
n,m,k
)
n
×
m
为波束发射功率向量，表示fisher信息矩阵：表示fisher信息矩阵：和分别代表先验信息和量测数据的fisher信息矩阵：分别代表先验信息和量测数据的fisher信息矩阵：其中，为期望函数，为目标预测的雅克比矩阵；s5、根据每个目标的代价函数，基于波束指向和发射功率的建立多干扰机资源优化模型为：型为：其中，约束1和2表示发射功率和干扰波束相互耦合，约束3表示同一时刻对同一部雷达干扰时，每个干扰机最多分配一个波束；约束4表示多干扰机系统的总功率是一定的，e
sum
为干扰机n总的干扰功率，约束5表示每台干扰机在k时刻发射的干扰波束最多为l个；约束6表示每个雷达被干扰的波束数量最多为q个；s6、将雷达距离和角度的不确定性所导致的泛化误差与步骤s5构建的基于波束指向和发射功率的多干扰机资源优化模型相结合，形成稳健资源优化模型；定义不确定区间为：
其中，和分别表示雷达m的预测距离和角度；和分别为雷达m和目标g之间距离不确定性的上界和下界；表示方位角的估计范围，上下界分别为和结合距离和角度这两个不确定性因素，整个系统的参数不确定性为：采用极大极小化准则将单个目标的pcrlb过渡到衡量整体系统的跟踪性能度量指标，则得到稳健优化的目标函数为：对于距离不确定性由于与的四次方成正比，的最大值在处获得，因此，稳健优化模型的目标函数为：对于角度不确定性采用凸松弛算法进行求解；由于与成反比，其最大值在上得到，此时，基于和的稳健干扰资源优化模型建立如下：的稳健干扰资源优化模型建立如下：s7、对s6建立的稳健干扰资源优化模型进行求解：定义所有的雷达节点都可以被干扰到，并且干扰机均匀分配发射功率由于变量θ
k
是二元的，并且是一个非凸优化约束，因此，将非凸优化约束θ
n,m,k
∈{0,1}转换为凸优化约束0≤θ
n,m,k
≤1，从而得到凸松弛优化问题：
采用粒子群算法进行求解得到松弛优化结果具体为：第一步，定义初始波束指向分配矩阵第二步，将中对应索引的元素设置为1；第三步，并将中的最大值用0替换，循环第二步和第三步，直到分配给所有雷达的干扰波束资源满足要求，则停止当前时刻的分配操作，得到波束指向次优分配结果在获得波束指向分配结果后，将优化模型转化为：在获得波束指向分配结果后，将优化模型转化为：采用pso求解得到次优发射功率分配策略

技术总结
本发明属于雷达技术领域，具体的说是涉及一种针对雷达系统的多干扰机协同压制资源调度方法。本发明的方法能实时考虑当前态势，调整干扰机波束指向和发射功率的资源分配。并且考虑了雷达参数波动引起的泛化误差，将雷达距离和角度的不确定性与资源优化模型相结合，形成稳健优化资源调度模型，有效地压制了多站雷达系统，降低雷达系统对多目标的跟踪性能。解决现有方法未考虑雷达参数不确定性导致的泛化误差会影响干扰资源分配结果的问题，可以应用于电子对抗，目标突防等雷达领域。目标突防等雷达领域。目标突防等雷达领域。


技术研发人员：沈晓峰 厉俊 张睿智
受保护的技术使用者：电子科技大学
技术研发日：2022.08.04
技术公布日：2022/10/25