一种间歇采样转发干扰威胁评估方法
文献发布时间:2023-06-19 19:30:30
技术领域
本发明涉及雷达抗干扰领域,特别涉及一种间歇采样转发干扰威胁评估方法。
背景技术
认知电子战在现代战争中逐渐占据主导地位,随着新型干扰样式以及干扰参数的灵活化和智能化演进,雷达与干扰机间的博弈愈演愈烈,雷达面临的电磁环境变得更加复杂。因此,作为雷达方能够准确感知干扰环境,对战场环境中敌方的威胁程度进行科学合理的评估,做出有效、及时的抗干扰策略,是适应未来强对抗博弈作战环境的必然趋势。因此对威胁评估进行深入细致的研究在未来电子战中具有极为重要的地位,将是我方实现有效防御,攻击和克敌制胜的关键。
在传统电子战中,雷达接收到干扰的时域回波信号后,在经过脉压,抗干扰等一系列信号处理后才能对干扰方干扰信号的威胁程度有一定的认知,从而做出后续干扰对抗策略的调整。在雷达对抗时,若雷达接收到干扰回波信号后,根据时域信号的特征,不进行后续的信号处理便能对干扰的威胁程度有准确的认知,那么当遭受多种干扰时就可以更加及时、准确的调整抗干扰手段,合理分配资源,最大可能地减小受干扰影响,在博弈对抗中抢占先机。
目前的威胁评估的研究主要集中在威胁目标方面,常用的威胁评估方法有多属性决策法、层次分析法、理想解逼近法等。基于模糊集的威胁评估方法是目标威胁方向的研究热点,模糊集方法引入隶属度函数刻画语义描述的模糊性,避免了定性评估结果的偏差性,然后经过综合判定、模糊测度等方法获得威胁评估度量,最终转化为威胁评估值。但是目前还没有对间歇采样转发干扰威胁程度的评估方法,而现有的干扰威胁评估方法应用到间歇采样转发干扰威胁评估上时易受主观因素影响,导致对间歇采样转发干扰威胁程度的认知速度慢和准确率低的问题。
发明内容
本发明目的是为了解决现有干扰威胁评估方法应用到间歇采样转发干扰威胁评估上时还存在对间歇采样转发干扰威胁程度的认知速度慢和准确率低的问题,而提出了一种间歇采样转发干扰威胁评估方法。
一种间歇采样转发干扰威胁评估方法具体过程为:获取待评估的间歇采样转发干扰数据,利用时频分析和反卷积法提取待评估的间歇采样转发干扰数据中的评估参数指标,得到待评估间歇采样转发干扰数据对应的评估参数指标集,记为待评估参数指标集;将待评估参数指标输入到评估系统中,获得干扰威胁等级评估结果;
所述待评估参数指标集包括:干扰功率、干扰样式、干扰切片宽度占空比、干扰转发次数;
所述评估系统包括:评估参数指标集获取模块、评估参数指标集模糊处理模块、推理规则库构建模块、干扰威胁等级直觉模糊子集获取模块、去模糊化模块;
所述评估参数指标集获取模块:根据间歇采样转发干扰的仿真结果建立评估参数指标集;
所述评估指标集包括:干扰功率、干扰样式、干扰切片宽度占空比、干扰转发次数;
所述评估参数指标集模糊处理模块:基于评估参数指标的隶属度函数对评估参数指标集进行模糊化处理,获得评估参数指标的直觉模糊子集;
所述推理规则库构建模块:基于间歇采样转发干扰数据与干扰威胁等级之间的映射关系利用评估参数指标的直接模糊子集建立推理规则库;
所述干扰威胁等级直觉模糊子集获取模块:采用直觉模糊推理合成算法根据隶属函数和推理规则库获取总直觉模糊关系,并获取干扰威胁等级直觉模糊子集与总直觉模糊关系、评估参数指标的关系,从而获取干扰威胁等级直觉模糊子集;
所述去模糊化处理模块:对干扰威胁等级直觉模糊子集去模糊化处理获得间歇采样转发干扰威胁的清晰量;
所述待评估参数指标集输入到评估系统中,经过以下处理获得干扰威胁等级评估结果:
S101、将待评估参数指标集输入到干扰威胁等级直觉模糊子集获取模块中,获得待评估的间歇采样转发干扰数据的干扰威胁等级直觉模糊子集;
S102、将待评估的间歇采样转发干扰数据的干扰威胁等级直觉模糊子集输入到去模糊化处理模块中,获得待评估的间歇采样转发干扰数据的威胁清晰量。
进一步地,所述基于评估参数指标的隶属度函数对评估参数指标集进行模糊化处理,获得评估参数指标的直觉模糊子集,包括以下步骤:
步骤一、获得评估参数指标集中的每个评估参数指标的隶属函数和非隶属度函数:
其中,σ=σ1、σ2、σ3、σ4是宽度,c=c1、c2、c3、c4是中心,x=n、m、f、r是评估参数指标值,n是干扰功率即干噪比的值,m是干扰样式的值,f是转发次数的值,r是切片宽度占空比的值;
步骤二、根据隶属度函数对评估参数指标集进行模糊化处理获得评估参数指标的直觉模糊子集。
进一步地,所述步骤二中的根据隶属度函数对评估参数指标集进行模糊化处理获得评估参数指标的直觉模糊子集,包括以下步骤:
步骤二一、根据隶属度函数对干扰功率进行模糊化处理,获得转换到[0,1]范围的干扰功率即干噪比的直觉模糊子集N
其中,干噪比n的[σ1,c1]分为:极小[0.084,0],较小[0.084,0.1667],小[0.084,0.3333],中[0.084,0.5],大[0.084,0.6667],较大[0.084,0.8333],极大[0.084,1],N是干噪比的直觉模糊子集中的值;
步骤二二、根据隶属度函数对干扰样式进行模糊化处理,获得转换到[0,1]范围的干扰样式即干扰样式的直觉模糊子集M
当干扰样式为重复转发时,[σ2,c2]=[0.213,0];当干扰样式为循环转发时,[σ2,c2]=[0.213,1],相应的干扰样式的直觉模糊集为M
步骤二三、根据隶属度函数对转发次数进行模糊化处理,获得转化到[0,1]范围的转发次数即转发次数的直觉模糊子集F
所述转发次数f=1,2,3,4,5次;当转发次数f=1次时,[σ3,c3]=[0.125,0];当转发次数f=2次时,[σ3,c3]=[0.125,0]=[0.125,0.25];当转发次数f=3次时,[σ3,c3]=[0.125,0]=[0.125,0.5];当转发次数f=4次时,[σ3,c3]=[0.125,0]=[0.125,0.75];当转发次数f=5次时,[σ3,c3]=[0.125,0]=[0.125,1];获得的相应的转发次数直觉模糊集为F
步骤二四、根据隶属度函数对切片宽度占空比进行模糊化处理,获得转化到[0,1]范围的切片宽度占空比即切片宽度占空比的直觉模糊子集R
其中,切片宽度占空比的[σ4,c4]分为:极小[0.084,0],较小[0.084,0.1667],小[0.084,0.3333],中[0.084,0.5],大[0.084,0.6667],较大[0.084,0.8333],极大[0.084,1],相应的直觉模糊集为R
进一步地,所述基于间歇采样转发干扰数据与干扰威胁等级之间的映射关系利用评估参数指标的直接模糊子集建立推理规则库,包括以下步骤:
S1、建立间歇采样转发干扰数据集;
首先,获取间歇采样转发干扰数据的理论个数:
所述间歇采样转发干扰数据的理论个数D=D1*D2*D3*D4;
其中,D1是干扰功率的直觉模糊子集个数、D2是干扰样式的直觉模糊子集个数、D3是干扰切片宽度占空比的直觉模糊子集个数、D4是干扰转发次数的直觉模糊子集个数;
然后,去除无法获得的间歇采样转发干扰数据,建立间歇采样转发干扰数据集。
S2、利用干扰威胁等级的隶属度函数,将干扰威胁转换到[0-1]之间,获得干扰威胁等级的直觉模糊子集U
当干扰威胁等级的[σ5,c5]=[0.084,0.143]时,获得干扰威胁等级的直觉模糊子集U
当干扰威胁等级的[σ5,c5]=[0.084,0.429]时,获得干扰威胁等级的直觉模糊子集U
当干扰威胁等级的[σ5,c5]=[0.084,0.715]时,获得干扰威胁等级的直觉模糊子集U
当干扰威胁等级的[σ5,c5]=[0.084,1]时,获得干扰威胁等级的直觉模糊子集U
所述干扰威胁等级的隶属度函数与评估参数指标的隶属度函数相同;
S3、将干扰威胁等级的直觉模糊子集与间歇采样转发干扰信号数据建立映射关系;
S4、利用干扰威胁的直觉模糊子集与间歇采样转发干扰信号数据的映射关系建立干扰威胁评估推理规则,构建推理规则库。
进一步地,所述S3中将干扰威胁等级的直觉模糊子集与间歇采样转发干扰信号数据建立映射关系,如下:
假目标数量<30,威胁值U<0.143时为1级,即几乎无威胁级;
假目标数量为[30,100],0.143≤U<0.429时设定为2级,即较小威胁级;
假目标数量为[100,300],0.429≤U<0.715时设定为3级,即中度威胁级;
假目标数量在300以上,U≥0.715时设定为4级,即重大威胁级;
其中,U是干扰威胁等级的直觉模糊子集中的值,假目标数量与间歇采样转发干扰信号数据数量一致。
进一步地,所述干扰威胁评估推理规则,形式如下:
IF N is N
AND M is M
AND F is F
AND R is R
THEN U is U
i=1,2,…,7
m=1,2,f=1,2,…,5
j=1,2,…,4
其中,N
进一步地,所述干扰采用直觉模糊推理合成算法根据隶属函数和推理规则库获取总直觉模糊关系,并获取干扰威胁等级直觉模糊子集与总直觉模糊关系、评估参数指标的关系,包括以下步骤:
首先,采用直觉模糊规则的合成运算利用干扰威胁评估推理规则获得总直觉模糊关系R',如下式:
然后,获取总直觉模糊关系的隶属度函数和非隶属度函数;
最后,根据总直觉模糊关系和总直觉模糊关系的隶属度函数和非隶属度函数获取干扰威胁等级直觉模糊子集与总直觉模糊关系、评估参数指标的关系。
进一步地,所述总直觉模糊关系的隶属度函数和非隶属度函数,如下式:
其中,u
进一步地,所述总干扰威胁等级直觉模糊子集与总直觉模糊关系、评估参数指标的关系,如下式:
其中,
进一步地,所述对干扰威胁等级直觉模糊子集去模糊化处理获得间歇采样转发干扰威胁的清晰量采用重心法实现。
本发明的有益效果为:
本发明使雷达方在接收间歇采样转发干扰回波信号后不进行后续信号处理,根据时域的指标特征实现对干扰威胁程度的等级评估,进而可以及时在后续行动中采取或调整抗干扰措施,使雷达能够准确及时的跟踪和检测出目标,在雷达对抗博弈中抢占先机。本发明以间歇采样转发干扰信号在距离域上假目标数量为中介,建立起了间歇采样转发干扰时域数据与干扰威胁等级之间的映射关系,提升了对间歇采样转发干扰威胁程度的认知速度和准确率。
附图说明
图1为本发明的总体流程示意图;
图2为评估系统原理图;
图3(a)为间歇采样转发干扰样本1的时域图;
图3(b)为间歇采样转发干扰样本1的距离域图;
图4为间歇采样转发干扰样本1的参数提取结果;
图5(a)为间歇采样转发干扰样本2的时域图;
图5(b)为间歇采样转发干扰样本2的距离域图;
图6为间歇采样转发干扰样本2的参数提取结果;
图7(a)为间歇采样转发干扰样本3的时域图;
图7(b)为间歇采样转发干扰样本3的距离域图;
图8为间歇采样转发干扰样本3的参数提取结果。
具体实施方式
具体实施方式一:如图1所示,本实施方式一种间歇采样转发干扰威胁评估方法具体过程为:获取待评估的间歇采样转发干扰数据,利用时频分析和反卷积法提取待评估的间歇采样转发干扰数据中的评估参数指标,得到待评估间歇采样转发干扰数据对应的评估参数指标集,记为待评估参数指标集;将待评估参数指标输入到评估系统中,获得干扰威胁等级评估结果;
所述待评估参数指标集包括:干扰功率、干扰样式、干扰切片宽度占空比、干扰转发次数;
如图2所示,所述评估系统,包括:评估参数指标集获取模块、评估参数指标集模糊处理模块、推理规则库构建模块、干扰威胁等级直觉模糊子集获取模块、去模糊化模块;
所述评估参数指标集获取模块:根据间歇采样转发干扰的仿真结果建立评估参数指标集;
所述评估指标集包括:干扰功率、干扰样式、干扰切片宽度占空比、干扰转发次数;
所述评估指标集模糊处理模块:基于评估参数指标的隶属度函数对评估参数指标集进行模糊化处理,获得评估参数指标的直觉模糊子集;
所述推理规则库构建模块:基于间歇采样转发干扰数据与干扰威胁等级之间的映射关系利用评估参数指标的直接模糊子集建立推理规则库;
所述干扰威胁等级直觉模糊子集获取模块:采用直觉模糊推理合成算法根据隶属函数和推理规则库获取总直觉模糊关系,并获取干扰威胁等级直觉模糊子集与总直觉模糊关系、评估参数指标的关系;
所述去模糊化模块:对干扰威胁等级直觉模糊子集去模糊化处理获得间歇采样转发干扰威胁的清晰量。
所述待评估参数指标集输入到评估系统中,经过以下处理获得干扰威胁等级评估结果:
S101、将待评估参数指标集输入到干扰威胁等级直觉模糊子集获取模块中,获得待评估的间歇采样转发干扰数据的干扰威胁等级直觉模糊子集;
S102、将待评估的间歇采样转发干扰数据的干扰威胁等级直觉模糊子集输入到去模糊化处理模块中,获得待评估的间歇采样转发干扰数据的威胁清晰量。
具体实施方式二:所述评估参数指标集中包括:干扰功率、干扰样式、干扰切片宽度占空比、干扰转发次数,具体为:
干扰功率:对于间歇采样转发干扰,干扰功率越大,假目标的回波信号功率和真目标的相比就会更大,从而使得雷达检测到假目标的概率大幅度增加。干扰功率对干扰威胁程度的影响是最本质的影响,评估指标用干噪比来表示干扰功率。
干扰样式:间歇采样转发干扰样式包括直接转发、重复转发、循环转发三种,重复转发干扰和循环转发干扰都能使雷达在真目标回波前后产生数目众多的逼真假目标群;循环转发干扰的密集假目标范围更广,数目更多,因此威胁程度也越大。一般情况下,干扰样式因子无法用一个定值或数学表达式定量描述。由间歇采样转发干扰机理可知,直接转发是转发次数为1时的重复转发,所以将直接转发视为重复转发的一种。
干扰切片宽度占空比:在干扰的其他参数保持不变的情况下,切片宽度占空比越大,在距离域上假目标数量越多,干扰威胁程度越大,切片宽度占空比为间歇采样转发干扰切片宽度与脉冲宽度的比值。
干扰转发次数:对于间歇采样转发干扰来说,转发次数越大,在距离域上形成的假目标数量越多,分布越复杂,干扰威胁程度越大。
具体实施方式三:所述评估指标集模糊处理模块用于基于评估参数指标的隶属度函数对评估参数指标集进行模糊化处理,获得评估参数指标的直觉模糊子集,具体为:
步骤一、获得评估参数指标集中的每个评估参数指标的隶属函数和非隶属函数:
确定4个评估参数指标的隶属度函数和非隶属度函数,指标要素的隶属度函数一般根据实际需求确定。本发明选择高斯型函数作为隶属度函数μ
式中,σ=σ1、σ2、σ3、σ4代表宽度,c=c1、c2、c3、c4代表中心,x=n、m、f、r是评估参数指标值,μ
步骤二、根据隶属度函数对评估参数指标集模糊化处理获得评估参数指标的直觉模糊子集:
在模糊化策略方面,本发明对评估指标进行了量化和量程变换,因为输入空间是非线性的。经此处理后,各个输入状态变量的隶属度函数和非隶属度函数均定义在区间[0,1],便于统一处理。
步骤二一、根据隶属度函数对干噪比模糊化处理,获得转化到[0,1]范围的干噪比即干噪比的直觉模糊子集N
/>
其中,干噪比n的变化范围一般为(-5,30]dB,[σ1,c1]分为:极小[0.084,0],较小[0.084,0.1667],小[0.084,0.3333],中[0.084,0.5],大[0.084,0.6667],较大[0.084,0.8333],极大[0.084,1],σ1=0.084,N∈{N
步骤二二、根据隶属度函数对干扰样式进行模糊化处理,获得转化到[0,1]范围的干扰样式即干扰样式的直觉模糊子集M
干扰样式m分为重复转发、循环转发2种方式。
当干扰样式为重复转发时,[σ2,c2]=[0.213,0];当干扰样式为循环转发时,[σ2,c2]=[0.213,1],相应的干扰样式的直觉模糊集为M
步骤二三、根据隶属度函数对转发次数进行模糊化处理,获得转化到[0,1]范围的转发次数即转发次数的直觉模糊子集F
转发次数f=1,2,3,4,5次。当转发次数f为1次时,[σ3,c3]=[0.125,0]=[0.125,0];当转发次数f为2次时,[σ3,c3]=[0.125,0]=[0.125,0.25];当转发次数f为3次时,[σ3,c3]=[0.125,0]=[0.125,0.5];当转发次数f为4次时,[σ3,c3]=[0.125,0]=[0.125,0.75];当转发次数f为5次时,[σ3,c3]=[0.125,0]=[0.125,1];获得的相应的转发次数直觉模糊集为F
步骤二四、根据隶属度函数对切片宽度占空比进行模糊化处理,获得转化到[0,1]范围的切片宽度占空比即切片宽度占空比的直觉模糊子集R
其中,切片宽度占空比的[σ4,c4]分为:极小[0.084,0],较小[0.084,0.1667],小[0.084,0.3333],中[0.084,0.5],大[0.084,0.6667],较大[0.084,0.8333],极大[0.084,1],相应的直觉模糊集为R
具体实施方式四:所述基于间歇采样转发干扰数据与干扰威胁等级之间的映射关系利用评估参数指标的直接模糊子集建立推理规则库,包括以下步骤:
S1、建立间歇采样转发干扰信号数据集:
根据评估参数指标的直觉模糊子集的个数确定推理规则库中规则的个数7×7×5×2=490,由间歇采样转发干扰的原理及各个评估参数指标的取值范围,去除无法取到的参数样本,最终采用q=441个间歇采样转发干扰信号设定推理规则。
S2、利用干扰威胁等级的隶属度函数,将干扰威胁等级转换到[0-1]之间,获得干扰威胁等级的直觉模糊子集U
[σ5,c5]=[0.084,0.143]时,获得干扰威胁的直觉模糊子集U
[σ5,c5]=[0.084,0.429]时,获得干扰威胁的直觉模糊子集U
[σ5,c5]=[0.084,0.715]时,获得干扰威胁的直觉模糊子集U
[σ5,c5]=[0.084,1]时,获得干扰威胁的直觉模糊子集U
所述干扰威胁等级的隶属度函数与评估参数指标的隶属度函数相同;
S3、将干扰威胁等级的直觉模糊子集与间歇采样转发干扰信号数据建立映射关系:
划分干扰威胁评估等级,建立干扰信号数据与威胁等级之间的映射关系。推理规则来源于对干扰信号的大量仿真实验结果分析。改变干扰信号数据各个评估参数指标的大小,在距离域仿真,间歇采样转发干扰信号数据与假目标数量有一一映射关系,而假目标数量和分布都会影响干扰的威胁程度,假目标数量越多越密集,干扰的威胁程度越大。因此本发明根据假目标数量划定威胁等级,综合电子战中的实用性与方便性、模型处理的可行性与实时性等因素,将威胁等级划分为4级,假目标数量<30,威胁值U<0.143时设定为1级,即几乎无威胁级;假目标数量在[30,100],0.143≤U<0.429时设定为2级,即较小威胁级;假目标数量在[100,300],0.429≤U<0.715时设定为3级,即中度威胁级;假目标数量在300以上,U≥0.715时设定为4级,即重大威胁级。因此以假目标数量为中介,建立起了时域数据与干扰威胁等级直觉模糊子集之间的映射关系,U是干扰威胁等级的直觉模糊子集中的值。
S4、利用干扰威胁的直觉模糊子集与间歇采样转发干扰信号数据的映射关系建立干扰威胁评估推理规则,构建推理规则库;
干扰威胁的隶属度函数个数为N
IF N is N
AND M is M
AND F is F
AND R is R
THEN U is U
i=1,2,…,7
m=1,2,f=1,2,…,5
j=1,2,…,4
具体含义为:如果N是N
其中,N
采用“最小—最大”合成算子,推理规则与间歇采样转发干扰数据集与干扰威胁等级的直觉模糊子集输出关系一一对应,由直觉模糊关系的推理规则可得系统的合成运算关系。
首先,利用推理规则库中的推理规则由直觉模糊规则的合成运算获得系统总的直觉模糊关系R'为:
然后,获取系统总直觉模糊关系的隶属度函数和非隶属度函数:
式中,N
上述过程可由下式表示:
上式中
具体实施方式六:所述去模糊化模块用于对干扰威胁等级直觉模糊子集去模糊化处理获得间歇采样转发干扰威胁评估清晰量。
使用规则库中的规则推理得来的输出处于模糊论域中,是一个模糊量,不符合模糊推理系统的精确量输出要求,所以需要通过计算映射到精确的基本论域中。本发明采用重心法,取干扰威胁等级的直觉模糊子集的隶属度函数和非隶属度函数合成的真值函数曲线与横坐标围成面积的重心为直觉模糊推理的最终输出值。
实施例:
采用以下实施例验证本发明的有益效果:
为了说明本发明对于间歇采样转发干扰威胁评估的有效性,间歇采样转发干扰数据进行了MATLAB仿真实验。仿真实验中的关键参数如下:雷达发射信号形式为LFM信号,脉冲宽度为30μs,带宽为10MHz,采样率为30MHz。
假设某次电子战中,作为雷达方受到干扰方实施的三种参数不同的间歇采样转发干扰。我方测得的间歇采样转发干扰的参数值如表1所示:
表1干扰参数测量值
图3(a)、图4为干扰样本1的时域图和参数提取图,可知参数提取结果分别为:0.061、4次、24.9dB;图5(a)、图6为干扰样本2的时域图和参数提取图,可知参数提取结果分别为:0.101、2次、20.2dB;图7(a)、图8为干扰样本3的时域图和参数提取图,可知参数提取结果分别为:0.082、3次、29.9dB。
图3(b)、图5(b)、图7(b)为干扰样本1、样本2和样本3的距离域脉压图,对三个干扰样本的距离域假目标数量及分布进行分析,可以初步判定事实上干扰样本3的威胁最大,假目标个数最多且分布复杂,因此威胁等级最高,干扰样本2的假目标个数最少,威胁等级最低。
对提取值进行直觉模糊度量,将其带入隶属度函数中,得到参数输入向量,将3个输入向量分别作为直觉模糊推理机的输入,根据推理规则,输出干扰威胁等级值,最终的评估结果如表2所示:
表2干扰威胁评估结果
由表2可以看出,干扰样本1的威胁值为0.63927,威胁等级为中度威胁级;干扰样本2的威胁值为0.35785,威胁等级为较小威胁级;干扰样本3的威胁值为0.79393,威胁等级为重大威胁级;三个样本的威胁程度排序为:样本3>样本1>样本2,与上述描述的实际情况符合,在进行抗干扰处理时应优先选取干扰样本3,使雷达方利益最大化。威胁评估结果说明本发明建立的基于直觉模糊推理的威胁评估系统是有效且合理的,本发明建立起了间歇采样转发干扰时域数据与干扰威胁等级之间的映射关系,使得雷达方对干扰威胁程度的认知更加迅速准确,从而更加迅速调整抗干扰策略,在博弈对抗种抢占先机。
本发明还可用于其它多种数据以及场景,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明在不同场景下对不同数据进行处理,但这些都应属于本发明所附的权利要求的保护范围。