多无人机协同的干扰资源优化分配方法

技术领域

本发明涉及数据处理技术领域，尤其是多无人机协同的干扰资源优化分配方法。

背景技术

在现代电子对抗技术中，组网雷达由于其空间覆盖范围更广、目标检测概率更高以及抗干扰能力更强等优点，得到了广泛的应用。雷达组网技术的应用，使得单一目标无可遁形，即使是具有隐身功能的作战飞机，也很难躲避躲避雷达的探测，因为隐身战机在吸收雷达信号的同时，也可以对雷达信号进行散射，所以通过使用多台不同工作频段的雷达，就可以使得具有隐身功能的战机被发现，降低其威胁程度。因此为了应对雷达网的搜索和跟踪，需要使用协同干扰对突防目标进行保护，在干扰资源有限的情况下，合理分配干扰资源，以取得对多个辐射源的最佳干扰效果成为了研究的关键问题。

发明内容

有鉴于此，本发明实施例提供一种多无人机协同的干扰资源优化分配方法，以取得对多个辐射源的最佳干扰效果。

本发明提供了一种多无人机协同的干扰资源优化分配方法，包括：

分析干扰机干扰信号与辐射源接收目标信号之间的映射关系；

将系统的干信比作为指标，根据所述映射关系建立干扰机对辐射源进行干扰的目标结群模型；

根据贪心算法对所述目标结群模型进行计算，确定干扰机对各辐射源的第一干扰资源分配结果。

可选地，所述方法还包括：

根据不完全分配算法，对所述第一干扰资源分配结果进行优化，确定第二干扰资源分配结果。

可选地，所述将系统的干信比作为指标，根据所述映射关系建立干扰机对辐射源进行干扰的目标结群模型，包括：

建立雷达方程，以确定雷达接收处接收到的回波功率；

建立干扰方程，以确定干扰信号到达雷达天线时的功率；

确定雷达辐射源干信比，以确定单部干扰机对雷达辐射源进行干扰的干信比以及多部干扰机对雷达辐射源进行干扰的干信比；

确定通信链路干信比，以确定单部干扰机作用下的通信链路收端的干信比以及多部干扰机作用下的通信链路收端的干信比；

建立目标函数。

可选地，所述雷达方程的表达式为：

其中，P

所述干扰方程的表达式为：

其中，P

可选地，所述单部干扰机对雷达辐射源进行干扰的干信比的表达式为：

所述多部干扰机对雷达辐射源进行干扰的干信比的表达式为：

其中，P

可选地，所述单部干扰机作用下的通信链路收端的干信比的表达式为：

所述多部干扰机作用下的通信链路收端的干信比的表达式为：

其中，P

可选地，所述方法还包括：

向所述雷达方程中引入损失系数，对所述雷达方程进行优化。

可选地，所述根据贪心算法对所述目标结群模型进行计算，确定干扰机对各辐射源的第一干扰资源分配结果，包括：

生成初始状态，为每个辐射源分配一个对应的干扰机；

计算每个辐射源的干信比；

找出干信比最小的辐射源，并找出距离该辐射源最近的干扰机，若该干扰机未被分配，则将该干扰机分配给该辐射源；若该干扰机已被分配，则提出该干扰机后返回并找出距离该辐射源最近的干扰机；

将所有干扰机完成分配。

可选地，所述根据不完全分配算法，对所述第一干扰资源分配结果进行优化，确定第二干扰资源分配结果，包括：

确定辐射源对应的干扰机数量阈值；

对于被分配干扰机数量达到所述干扰机数量阈值的辐射源，停止向该辐射源继续分配干扰机。

本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

本发明的实施例首先分析干扰机干扰信号与辐射源接收目标信号之间的映射关系；将系统的干信比作为指标，根据所述映射关系建立干扰机对辐射源进行干扰的目标结群模型；根据贪心算法对所述目标结群模型进行计算，确定干扰机对各辐射源的第一干扰资源分配结果。本发明能够在干扰资源有限的情况下，合理分配干扰资源，以取得对多个辐射源的最佳干扰效果。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的整体步骤流程示意图；

图2为本发明实施例的干扰资源分配算法流程图；

图3为本发明实施例提供的各辐射源干信比随干扰机数量增加趋势图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

针对现有技术存在的问题，本发明提供了一种多无人机协同的干扰资源优化分配方法，如图1所示，方法包括：

分析干扰机干扰信号与辐射源接收目标信号之间的映射关系；

将系统的干信比作为指标，根据所述映射关系建立干扰机对辐射源进行干扰的目标结群模型；

根据贪心算法对所述目标结群模型进行计算，确定干扰机对各辐射源的第一干扰资源分配结果。

可选地，所述方法还包括：

根据不完全分配算法，对所述第一干扰资源分配结果进行优化，确定第二干扰资源分配结果。

可选地，所述将系统的干信比作为指标，根据所述映射关系建立干扰机对辐射源进行干扰的目标结群模型，包括：

建立雷达方程，以确定雷达接收处接收到的回波功率；

建立干扰方程，以确定干扰信号到达雷达天线时的功率；

确定雷达辐射源干信比，以确定单部干扰机对雷达辐射源进行干扰的干信比以及多部干扰机对雷达辐射源进行干扰的干信比；

确定通信链路干信比，以确定单部干扰机作用下的通信链路收端的干信比以及多部干扰机作用下的通信链路收端的干信比；

建立目标函数。

可选地，所述雷达方程的表达式为：

其中，P

所述干扰方程的表达式为：

其中，P

可选地，所述单部干扰机对雷达辐射源进行干扰的干信比的表达式为：

所述多部干扰机对雷达辐射源进行干扰的干信比的表达式为：

其中，P

可选地，所述单部干扰机作用下的通信链路收端的干信比的表达式为：

所述多部干扰机作用下的通信链路收端的干信比的表达式为：

其中，P

可选地，所述方法还包括：

向所述雷达方程中引入损失系数，对所述雷达方程进行优化。

可选地，所述根据贪心算法对所述目标结群模型进行计算，确定干扰机对各辐射源的第一干扰资源分配结果，包括：

生成初始状态，为每个辐射源分配一个对应的干扰机；

计算每个辐射源的干信比；

找出干信比最小的辐射源，并找出距离该辐射源最近的干扰机，若该干扰机未被分配，则将该干扰机分配给该辐射源；若该干扰机已被分配，则提出该干扰机后返回并找出距离该辐射源最近的干扰机；

将所有干扰机完成分配。

可选地，所述根据不完全分配算法，对所述第一干扰资源分配结果进行优化，确定第二干扰资源分配结果，包括：

确定辐射源对应的干扰机数量阈值；

对于被分配干扰机数量达到所述干扰机数量阈值的辐射源，停止向该辐射源继续分配干扰机。

下面结合说明书附图，对本发明的具体实现原理进行详细描述：

针对多无人机协同干扰资源优化分配问题，本发明首先分析了干扰机干扰信号与辐射源接收目标信号之间的关系，以系统的干信比作为指标，建立了求解干扰机对辐射源进行干扰的最佳结群模型；然后基于贪心算法，得到了最终干扰机对各辐射源干扰分配方案；最后提出了一种不完全分配算法，对贪心算法的干扰资源分配方法进行了改进，并通过仿真验证了该算法的性能。

首先，建立模型及目标函数：

(1)雷达方程

雷达接收处接收回波功率为

其中，P

(2)干扰方程

雷达有时会受到敌方干扰机释放的干扰信号的干扰，当干扰机天线主瓣方向对准雷达时，干扰信号到达雷达天线时的功率为：

其中，P

(3)雷达辐射源干信比

单部干扰机对雷达辐射源进行干扰的情况下，干信比为：

当多部干扰机对雷达辐射源进行干扰的情况下，干信比为：

上式中，P

(4)通信链路干信比

单部干扰机作用下的通信链路收端的干信比为：

多部干扰机作用下的通信链路收端的干信比为：

其中，P

(5)目标函数

假设当前有1000个干扰机以及10个辐射源(雷达或通信链路)，位置均已经给定。10个辐射源的设计如下表1所示。

表1辐射源类型

为了实现最佳干扰，首先要使得各辐射源达到重度干扰，即JSR≥20dB。同时也要使给每个辐射源分配的干扰机最少。设对雷达辐射源分配的干扰机数为N

对于雷达辐射源，其目标函数为：

对于通信链路收端，其目标函数为：

接着，本发明实施例进行模型求解：

在分配干扰机时，需要考虑辐射源的选取顺序。为对所有的辐射源都造成重度干扰，优先将干扰机分配给干信比最差的辐射源，以期尽快对该辐射源实现有效干扰。根据最近分配原则，首先用所有干扰机实现对各辐射源的重度干扰，设置模型的求解算法如下所示：

参考图2，本发明实施例的基于贪心算法的干扰资源分配方法：

Step1初始状态：为每个干扰机分配一个最近的干扰机；

Step2计算每个辐射源的干信比JSR

Step3找出干信比最小的辐射源，即S

Step4找出离该辐射源最近的干扰机，即J

Step5如果干扰机J

Step6重复以上步骤直到所有干扰机都被完全分配。

本发明实施例进一步观察随着干扰机的分配，各辐射源干信比的变化趋势，分析干扰机的分配是否满足最近干扰原则以及有效利用原则，具体地，各辐射源干信比随着分配干扰机数量增加的趋势图如图3所示。由趋势图可以看到，对于辐射源10，其初始干信比很低，随着分配干扰资源的增加，其干信比逐渐增大，最终实现重度干扰。说明通过干信比最小选择分配辐射源的方式是可行的，将干扰资源有效分配到了最需要的辐射源，实现了对所有辐射源的重度干扰。

可以理解的是，当干扰机的分配数量达到一定量，如数百个时，各个辐射源的干信比都趋于一个稳定值，曲线斜率接近0。这是因为对于任一辐射源，干扰机分配到一定数量后，干扰机与辐射源间的距离大大增加，此时增加干扰机对辐射源的干信比改善的作用不大，从节省资源的角度讲，应当停止对辐射源分配干扰机。也即不必将所有的干扰资源都分配也能实现对所有辐射源的重度干扰。利用改进的算法对给定的数据重新处理。

具体地，本发明实施例首先确定辐射源对应的干扰机数量阈值；接着，对于被分配干扰机数量达到所述干扰机数量阈值的辐射源，停止向该辐射源继续分配干扰机；最后得到最优的第二干扰资源分配结果。

与完全分配所有资源相比，本发明实施例提供的改进后的算法使用更少的资源实现了对每个辐射源的重度干扰，满足有效利用原则，可以认为改进后算法实现了最佳干扰。

综上所述，多干扰机协同干扰资源分配问题是一个高维、复杂的多约束优化问题，求解过程非常困难。本发明按照多干扰机对多辐射源的协同干扰资源分配问题进行分析与建模，同时对求解方法进行优化，与原始技术方案相比：

1)对多干扰机协同干扰资源优化分配问题进行了建模：

当前协同干扰面临的环境越来越复杂，单台干扰机对多个辐射源进行干扰具有很大的局限性，因此提出了多干扰机协同干扰资源分配方案，通过分析了干扰机干扰信号与辐射源接收目标信号之间的关系，以干信比作为指标，建立了求解干扰机对辐射源进行干扰的最佳结群模型；

2)研究了基于贪心算法的协同干扰资源分配方法及其改进方法：

基于贪心算法，得到了最终干扰机对辐射源干扰分配方案以及在该干扰分配方案条件下对应的检测概率。最后对于干扰机分配到一定数量后，其干信比会趋于稳定的问题，对上述的干扰资源分配方法进行了改进，提出了一种不完全分配算法，提高了系统干扰资源的利用率，并通过仿真验证了该算法的有效性。

本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。