雷达干扰效能评估

雷达干扰效能评估（精选7篇）

雷达干扰效能评估 篇1

0 引 言

滞空式炮射雷达干扰弹(以下简称炮射干扰弹)研究始于20世纪。据报道,以前苏联、保加利亚为代表的多个国家均开展过相关研究。炮射干扰弹主要用于滩头和山地高原等车载干扰设备难以覆盖的作战区域,原理是将干扰机装填于炮弹中,经火炮射击后弹出干扰机,干扰机伞降滞空工作。其作战对象一般为敌方炮位侦察校射雷达。但由于炮射干扰弹工作过程受气象条件影响较大,且缺乏真实作战对象,国内相关文献未见公开发表相关评估方法。本文设计了采用静态悬挂多部干扰机、使用替代的炮位侦察校射雷达模拟敌方炮位侦察校射雷达的方法,提出基于等效推算的效果评估方法,通过外场试验解决炮射干扰弹干扰效能评估方面存在的难题。

1 作战对象分析及炮射雷达干扰弹工作过程分析

1.1 作战对象分析

炮位侦察校射雷达主要作用是对敌方炮位的侦察和己方火炮射击的校正,它能够实时有效地完成对敌火力侦察和己方射击校正。下面以侦察模式为例对炮位侦察校射雷达工作方式进行简要分析。

如图1所示,雷达工作于侦察模式时,一般配置于弹道线侧前方,以贴地或低仰角模式发出一组询问波束R1,沿搜索扇区的水平方向搜索炮弹目标。搜索到目标后,在搜索到目标的位置立即发一验证波束。目标验证完成后,雷达由搜索状态转入跟踪状态,以更高数据率的跟踪波束R2对目标进行跟踪。目标被跟踪后,雷达数据处理机根据速度弹道特性相关等鉴别标准检验各跟踪轨迹[1,2],滤掉不需要的目标,经弹道轨迹外推进,即拟合了图1中的外推段后,而求出火炮的发射位置M(x0,y0)。

考虑常规火炮弹道目标的飞行时间较短,在忽略了地球自传及柯氏力等因素影响的条件下,当确定某一跟踪轨迹有效时,利用建立在站心直角坐标系中的弹道微分方程进行积分求解,即可获得弹丸质心的运动弹道轨迹,弹道微分方程如式(1)所示[3,4,5]:

$\{\begin{array}{l}\text{d}x/\text{d}t=v{}_x\\ \text{d}y/\text{d}t=v{}_y\\ \text{d}z/\text{d}t=v{}_z\\ \text{d}v{}_x/\text{d}y=-C{}_{\text{b}}{\rm H}[h{}_0(x,y,z)]G(v{}_x,C)(v{}_x-W{}_x)-\mu {}_{\text{G}}x/(\sqrt{x{}^2+(R{}_{\text{Τ}}+y){}^2+z{}^2}){}^3\\ \text{d}v{}_y/\text{d}y=-C{}_{\text{b}}{\rm H}[h{}_0(x,y,z)]G(v{}_x,C)(v{}_y-W{}_y)-\mu {}_{\text{G}}(R{}_{{\rm T}}+y)/(\sqrt{x{}^2+(R{}_{\text{Τ}}+y){}^2+z{}^2}){}^3\\ \text{d}v{}_z/\text{d}y=-C{}_{\text{b}}{\rm H}[h{}_0(x,y,z)]G(v{}_x,C)(v{}_z-W{}_z)-\mu {}_{\text{G}}z/(\sqrt{x{}^2+(R{}_{\text{Τ}}+y){}^2+z{}^2}){}^3\\ v{}_x=\sqrt{(v{}_x-W{}_x){}^2+(v{}_x-W{}_y){}^2+(v{}_x-W{}_z){}^2}\end{array}(1)$

式中:Cb为弹道系数;H(·)为空气密度函数;h0(x,y,z)为站心直角坐标系下的空间位置对应的海拔高度;G(vx,C)为阻力函数;Wx ,Wy ,Wz分别为沿着站心直角坐标系x,y,z方向的风;μG为地球万有引力常量;RT为地球平均半径。

1.2 炮射雷达干扰弹工作过程分析

炮射雷达干扰弹工作过程示意图如图2所示,它用于发射干扰弹的炮群依据一定的时间间隔第次齐射,干扰弹到达预定空域后弹出干扰机。干扰机弹出后采用伞降方式对指定区域或一定范围内的敌炮位侦察校射雷达进行干扰,干扰机在敌雷达近距离前方横向、竖向以一定间距布站,形成一定宽度一定高度的干扰掩护区域。以掩护身后的攻击炮弹。由于干扰机可实现的干扰功率有限,干扰机基本使用基于主瓣的噪声干扰。

2 炮射雷达干扰弹干扰掩护距离评估方法研究

干扰掩护距离是评估炮射雷达干扰弹干扰性能的主要指标。本文设计的试验方法主要采用外场试验进行干扰掩护距离评估。由前述干扰弹工作过程可知,若外场试验中进行实弹射击干扰弹,需射击多发干扰弹形成干扰掩护区。由于干扰机在伞降过程中受风力等天气因素影响较大,难以实现干扰机、雷达及配试填砂弹的位置匹配,达到主瓣干扰的目的;且干扰机伞降过程的实时位置难以监视测量,无法对干扰距离进行定量评估。

2.1 外场干扰距离评估试验方法比较

本文设计了一种不进行实弹射击干扰弹。在干扰机从干扰弹分离情况下,将干扰机悬挂起来,动态实弹射击填砂弹作为配试雷达合作目标,即干扰机静态、填砂弹动态的半动态试验方式。半动态试验方式相比于实弹射击干扰性能试验具有操作性更强、试验消耗小、干扰机可重复利用、可进行定量评估等优点。

由于缺乏真实作战对象,试验使用其他炮位侦察校射雷达进行替代;试验目的为评估单部干扰机对敌方炮位侦察校射雷达的干扰效能,为满足雷达搜索时间及接近战术使用要求,试验采用了多部干扰机。因此需要进行由多部干扰机对单部干扰机、由替代雷达对敌方雷达的等效推算以评估干扰效果,完成炮射雷达干扰弹干扰距离的评估。

下面主要探讨半动态试验方法及效果评估方法。

2.2 外场干扰距离阵地布局研究

半动态试验选用典型炮位侦察校射雷达替代真实作战对象,受干扰机可实现悬挂高度限制,试验设计立足于对雷达侦察模式的搜索段及初始跟踪段进行干扰,使其无法侦察定位。由前文介绍的炮位侦察校射雷达工作原理可知,其搜索到目标后需要进行验证,即雷达若需转入跟踪状态则合作目标穿过搜索波束时间需满足搜索验证最低时间要求,而且干扰弹战术使用中也需要多发才能形成干扰掩护区。为模拟战术使用并满足搜索验证时间要求,试验设计的方法悬挂多部干扰机增大干扰掩护区,使作为合作目标的填砂弹具有足够的时间穿过搜索波束。由于干扰弹为主瓣干扰,所以需要根据配试雷达搜索主波束宽度确定干扰机悬挂间隔,满足配试雷达每个搜索主波束范围内只有一部干扰机。雷达、干扰机相对距离一般按照战术进行要求配置。根据炮位侦察校射雷达战术使用要求,雷达一般配置于填砂弹弹道线一侧11°～30°范围内,与填砂弹弹道之间应保证具有低遮蔽角且通视情况良好,阵地布局如图3所示。

2.3 外场干扰距离试验方法研究

将配试雷达设定为侦察模式,俯仰角度设定为贴地搜索,方位搜索范围根据多部干扰机形成的干扰掩护区设定。

试验过程如下:

(1) 干扰机关闭情况下射击填砂弹多发,保证配试雷达能够稳定侦收填砂弹回波信号,并能够经弹道外推完成对火炮的定位。

(2) 开启干扰机,继续射击填砂弹多发作为合作掩护目标,使雷达在干扰机开启情况下无法对火炮进行定位。

(3) 调整火炮射击参数,使填砂弹以不同距离穿过雷达搜索波束,直至雷达可在干扰机开启条件下稳定发现填砂弹。此时雷达对填砂弹的发现距离即为多部干扰机当掩护目标为填砂弹情况下,对配试雷达的干扰暴露距离。

2.4 试验评估方法研究

本文设计的试验方法使用多部干扰机、其他雷达替代敌炮位侦察校射雷达。试验目的为评估单部干扰机对敌炮位侦察校射雷达的干扰距离,因此需要建立相应的评估方法,完成外场评估。

2.4.1 由多部干扰机的干扰距离等效推算单部干扰机的干扰距离

下面以4部干扰机为例进行由多部干扰机对替代雷达的干扰暴露距离等效推算单部干扰机对替代雷达的干扰暴露距离。

由阵地布局中干扰机悬挂间隔可知,四部干扰机干扰同时对准雷达实施干扰时,雷达主波束范围内只存在一部干扰机,其发射的干扰信号进入雷达信号检测端的功率为[6,7,8]:

$J{}_{ij}=\frac{\eta {}_J{\rm P}{}_{iJ}G{}_{J}G{}_{t^{\prime }}B{}_t\lambda {}_t{}^2}{(4\text{π}){}^{2}R{}_J{}^{2}B{}_{J}L{}_{tr}L{}_{J}L{}_{a^{\prime }}L{}_{\text{Ρ}\text{o}\text{l}}}(2)$

式中:ηJ干扰质量因子为将干扰机发射的噪声等效为白噪声的转换因子;PiJ为噪声干扰机的干扰功率;GJ为干扰机天线的增益;Gt′为雷达天线在干扰机方向的增益;Bt为雷达带宽;BJ为干扰带宽;Ltr为雷达接收发射综合损耗;RJ为干扰机与雷达之间的距离;LJ为干扰机的发射综合损耗;La′为干扰信号在大气中的传输损耗;LPol为干扰信号与雷达信号极化形式的失配损耗。

由于同时悬挂四部干扰机,除一部干扰机相对雷达为主瓣干扰外,另有三部干扰机相对雷达为副瓣干扰,为准确评估干扰距离,需要将雷达副瓣进入的干扰能量进行修正。三部干扰机通过雷达副瓣进入到雷达信号检测端的功率为[9]:

$J{}_{ij}´={\displaystyle \sum _{i=1}^3\frac{\eta {}_J{\rm P}{}_{iJ}G{}_J(\theta )G{}_{it}´(\theta )B{}_{it}\lambda {}_t^2}{(4\text{π}){}^{2}R{}_{iJ}^{2}B{}_{J}L{}_{tr}L{}_{J}L{}_{a^{\prime }}L{}_{\text{Ρ}\text{o}\text{l}}D{}_0}}(3)$

式中:D0为雷达为消除旁瓣干扰采取干扰措施的改善因子;G${}_j^{}$(θ)干扰机天线在雷达扫描方向的天线增益,Git′(θ)雷达天线在干扰机方向的天线旁瓣增益,其值由干扰机相对雷达角度决定,该角度与阵地布局及雷达波束宽度、波束跃度有关。替代雷达采用水平方位扫描波束重叠来覆盖搜索区域。

多部干扰机对雷达水平方位扫描波束重叠布局如图4所示。

根据方位跃度值及波束宽度可计算第i部干扰机相对雷达的角度θi,从而可以得出相应的Gj(θ)及Git′(θ)值:

$\theta {}_i=\text{a}\text{r}\text{g}\text{c}\text{o}\text{s}(R{}_1/R{}_i)(4)$

多部干扰机情况下,雷达检测端收到的干扰、杂波和信号功率之比见式(5):

${\rm P}{}_{c/s}=\frac{{\rm P}{}_c+J{}_j}{S}=\frac{{\rm P}{}_c+J{}_{ij}+{\displaystyle \sum _{i=1}^{n}J}{}_{ij}´}{S}(5)$

式中:Pc为地杂波总功率;Pc/s为杂信比。

单部干扰机情况下,雷达检测端收到的干扰、杂波和信号功率之比见公式(6):

${\rm P}{}_{c/s1}=\frac{{\rm P}{}_c+J{}_1}{S}(6)$

由检测理论可知,在刚好能够发现目标情况下,在使用多部干扰机及单部干扰机的不同条件下,替代雷达接收机检测信号时的发现概率和虚警概率相同[10]。两种情况下雷达接收机检测端的信干比应相同,且等于雷达在此发现概率和虚警概率下的检测因子。

${\rm P}{}_{c/s}={\rm P}{}_{c/s1}(7)$

则通过外场实测多部干扰机对雷达的干扰距离Rt4′可推算单部干扰机对雷达的干扰距离Rt1′为:

$R{}_{t1}´=\frac{1}{R{}_{t4}´}\cdot \sqrt{\frac{G{}_j(\theta )G{}_{it}´(\theta )}{D{}_{0}G{}_{j}G{}_{t^{\prime }}}}(8)$

2.4.2 由单部干扰机对替代雷达干扰距离等效推算对敌方雷达干扰距离等效推算研究

下面进行由单部干扰机对配试雷达的干扰距离等效到对敌炮位侦察校射雷达的干扰暴露距离的推算过程。

设填砂弹与真实的被保护目标的RCS均为σt,配试雷达刚好发现填砂弹的距离为Rt,此刻配试雷达检测端的干信比为:

$\begin{array}{l}\left(\frac{J}{S}\right){}_t=\frac{\frac{\eta {}_J{\rm P}{}_{J}G{}_{J}G{}_{1t}B{}_t\lambda {}^2}{(4\text{π}){}^{2}R{}_J^{2}B{}_{J}L{}_{J}L{}_{rt}L{}_{t\text{Ρ}\text{o}\text{l}}L{}_{aJ}}}{\frac{{\rm P}{}_{tt}G{}_{0t}^2\lambda {}^2\sigma {}_{t}Y{}_t}{(4\pi ){}^{3}R{}_t^{4}L{}_{rt}L{}_{tt}L{}_{at}}}\\ =\frac{4\text{π}\eta {}_J{\rm P}{}_{J}G{}_{J}G{}_{1t}R{}_t^{4}B{}_{t}L{}_{tt}L{}_{at}}{{\rm P}{}_{tt}G{}_{0t}^{2}R{}_J^2\sigma {}_{t}B{}_{J}L{}_{J}L{}_{aJ}L{}_{t\text{Ρ}\text{o}\text{l}}Y{}_t}(9)\end{array}$

式中:Ptt为配试雷达的发射功率;G0t为配试雷达在目标方向的天线增益;G1t为干扰方向的天线增益;Bt为接收机带宽;Yt为综合抗干扰改善因子;Lrt为接收综合损耗,Ltt为发射综合损耗。设作战对象的各对应参数分别为Ptz,G0z,G1z,Bz,Yz,Lrz和Ltz。干扰机与配试雷达的距离为RJ。

真实作战对象放置于配试雷达处,且刚好发现真实的被保护目标的距离为Rz,则此刻作战对象检测端的信干比为:

$\begin{array}{l}\left(\frac{J}{S}\right){}_z=\frac{\frac{\eta {}_J{\rm P}{}_{J}G{}_{J}G{}_{1z}B{}_z\lambda {}^2}{(4\text{π}){}^{2}R{}_J^{2}B{}_{J}L{}_{J}L{}_{rz}L{}_{z\text{Ρ}\text{o}\text{l}}L{}_{aJ}}}{\frac{{\rm P}{}_{tz}G{}_{0z}^2\lambda {}^2\sigma {}_{z}Y{}_z}{(4\text{π}){}^{3}R{}_z^{4}L{}_{rz}L{}_{tz}L{}_{az}}}\\ =\frac{4\text{π}\eta {}_J{\rm P}{}_{J}G{}_{J}G{}_{1z}R{}_z^{4}B{}_{z}L{}_{tz}L{}_{az}}{{\rm P}{}_{tz}G{}_{0z}^{2}R{}_J^2\sigma {}_{z}B{}_{J}L{}_{J}L{}_{aJ}L{}_{z\text{Ρ}\text{o}\text{l}}Y{}_z}(10)\end{array}$

由检测理论可知,在刚好能够发现目标情况下,在使用替代雷达及真实作战对象的不同条件下,替代雷达与真实作战对象接收机检测信号时的发现概率和虚警概率相同。两种情况下雷达接收机检测端的信干比应相同,且等于雷达在此发现概率和虚警概率下的检测因子。由此,通过外场实测单部干扰机对配试雷达的干扰距离Rt′推算出其对真实作战对象的干扰距离Rz′:

$R{}_{z^{\prime }}=R{}_{t^{\prime }}\cdot \left[\frac{{\rm P}{}_{tz}G{}_{0z}^{2}G{}_{1t}B{}_{t}L{}_{tt}L{}_{at}L{}_{z\text{Ρ}\text{o}\text{l}}Y{}_z\sigma {}_z}{{\rm P}{}_{tt}G{}_{0t}^{2}G{}_{1z}B{}_{z}L{}_{tz}L{}_{az}L{}_{t\text{Ρ}\text{o}\text{l}}Y{}_t\sigma {}_t}\right]{}^{1/4}(11)$

3 结 语

本文分析了炮射雷达干扰弹的作战对象及工作原理,并针对炮射雷达干扰弹及配试雷达特点,在不改变炮位校射雷达侦察校射模式的前提下,提出了一种科学可行的外场试验方法。建立由多部干扰机到单部干扰机、由替代雷达到真实作战对象的干扰效果评估方法,解决了炮射雷达干扰弹干扰距离外场试验及评估的难题。

由于炮射雷达干扰弹受弹体供电等因素限制,只能采取主瓣干扰,且其使用受气象条件限制较大。

摘要：为了解决滞空式炮射雷达干扰弹干扰效能评估难题,针对滞空式炮射雷达干扰弹工作原理及配试雷达特性,提出了静态悬挂多部干扰机、实弹射击填砂弹作为合作目标的半动态试验方法。并进行了由多部干扰机至单部干扰机、由配试雷达到真实作战对象的评估方法研究,通过外场试验,评估了滞空式炮射雷达干扰弹干扰效能。

关键词：炮位侦察校射雷达,滞空式,炮射雷达干扰弹,外场试验

参考文献

[1]王建华.炮兵防空兵侦察技术导论[M].北京:国防工业出版社,2006.

[2]王德纯.精密跟踪测量雷达技术[M].北京:电子工业出版社,2007.

[3]韩子鹏.弹箭外弹道学[M].北京:北京理工大学出版社,2008.

[4]张毅.导弹弹道学[M].北京:国防科技大学出版社,1999.

[5]魏凤昕.火箭深弹外弹道学[M].北京:国防工业出版社,1992.

[6]赵国庆.雷达对抗原理[M].西安:西安电子科技大学出版社,1999.

[7]丁鹭飞.雷达原理[M].西安:西安电子科技大学出版社,2002.

[8]焦培南.雷达环境与电波传播特性[M].北京:电子工业出版社,2007.

[9][美]理查兹.雷达信号处理基础[M].邢孟道,译.北京:电子工业出版社,2008.

[10]王国玉.雷达对抗试验替代等效推算原理与方法[M].北京:国防工业出版社,2002.

雷达干扰效能评估 篇2

雷达干扰机的干扰能力在现代战争中越来越重要,如何评估干扰机的综合干扰效能成为一项重要课题。雷达干扰效能与雷达、干扰机的工作参数、空间电磁环境及战场环境等因素关系密切,如何有效利用错综复杂的影响因素对雷达干扰效能进行准确评估,一直是电子对抗领域的难点问题。

针对干扰效能评估问题,国内外专家学者提出了诸多行之有效的方法,比如模糊多属性决策法[1]、灰色关联法和层次分析法、计算实验方法[2]等。以上方法都需要相关评价专家对所评估问题的各层权重进行赋值,这就使得评估或多或少受到主观因素影响。雷达干扰效能评估是诸多因素共同影响的非线性系统,而神经网络算法作为一种新型的人工智能算法,能够逼近任意复杂的非线性系统,具有较好的学习能力、容错能力和稳定性[3],所以神经网络算法越来越多地用于雷达干扰效能评估[4]。

本文探讨了一种基于RBF神经网络的干扰评估方法:首先建立雷达干扰效能评估指标体系,然后根据该指标体系建立用于效能评估的RBF网络,并选定足够的样本训练所构造的RBF神经网络,通过动态的自适应调整,直到满足误差要求,使该网络成为干扰效能评估的有力工具[5]。

1 RBF神经网络基本原理

C.Darken和J.Moddy早在20世纪80年代就提出了RBF神经网络(径向基网络),它具有单隐层的三层前馈网络,能够以任意精度逼近任意连续函数。

1.1 RBF神经网络基本思想

RBF神经网络的基本思想是:用RBF作为隐单元的“基”构成隐含层空间,这样就可以将输入直接映射到隐空间。当RBF的中心点确定以后,也就确定了这种映射关系。由于网络的输出是隐单元输出的线性加权,因而输出空间与隐含层空间的映射是线性的,通过线性方程对网络权值进行求解,从而得到目标函数的最优解。

RBF作为一种前向神经网络,它是以函数局部逼近理论为基础的,具有针对复杂系统的映射能力和最佳逼近能力,且不存在局部最优解问题,因而在诸多领域获得了广泛应用。

1.2 RBF神经网络基本结构

RBF神经网络由输入层、隐含层、输出层构成,图1所示为m-j-n结构的RBF网络,该网络有m个输入,j个隐节点,n个输出。

图1 RB神经网络结构

RBF的隐含层采用距离函数作为基函数,激活函数通常使用径向基函数,径向基函数形式有多种,通常选取高斯函数形式:

式(1)中,δi为高斯型基函数的宽度,它的值越大,隐含层神经元对输入响应范围也越大,且神经元间的平滑度也越好。由图1得RBF网络的第k个输出为:

式(2)中,ci为网络隐含层节点中心,wik为隐含层到输入层的连接权值。

2 干扰效能评估模型

2.1 评估指标体系

雷达系统是由多个雷达发射站和接收站组成的雷达网,而干扰系统通常由多部干扰站和多种干扰样式构成综合干扰系统,各雷达站的不同工作状态和干扰站的不同干扰策略都将影响最终的干扰效能。单一的干扰评估指标很难对整个动态的干扰过程进行综合评估,因而必须选取多个干扰效能评估指标构成评估指标体系,才能对雷达干扰效果进行综合评估。

影响干扰效能评估的因素主要分为以下几类:1干扰功率;2干扰频率;3干扰样式;4干扰时机,如噪声压制、假目标欺骗等;5雷达的工作体制和状态,如相控阵雷达的搜索状态、跟踪状态等;6雷达的抗干扰措施,如低截获概率(LPI)波形、旁瓣匿影、参数捷变等。通过对诸多因素的综合分析,这里选取干扰功率、干扰频率、干扰样式、干扰时机4个指标构成评估指标体系[6],对雷达干扰效能进行综合评估。

2.2 指标体系隶属度函数

干扰效能的好坏程度是通过对雷达干扰效能评估指标的量化描述得到的,这里采用[0,1]区间的实数值对干扰效能进行量化分析,表达式为:

式(3)中x值表示干扰效能评价的好坏程度。对于本文选取干扰功率、干扰频率、干扰样式、干扰时机4个指标进行量化时,通常建立各个指标的隶属度函数对x进行计算。通过对各个指标的综合分析,确定4个指标的隶属度函数。

(1)干扰频率隶属度函数确定。干扰机的干扰频带是否能够覆盖雷达的工作频带,是决定干扰机对雷达能否进行干扰的重要因素。因此,要定义干扰频率瞄准程度函数来评价干扰机对雷达在频率上的干扰效果。

假设干扰机对第i部雷达干扰时的干扰频带宽度为fjmin~fjmax,雷达的工作频带为fimin~fimax,干扰机频带与雷达工作频带存在几种位置关系,如图2所示。

根据频率瞄准程度,定义频域的隶属度函数为:

(2)干扰功率隶属度函数确定。根据雷达干扰统一方程,可用雷达干扰压制系数kj∑作为评价指标,当某一时刻干扰机对雷达的干扰功率大于或等于干扰方程的等效辐射功率时,则认为干扰效果为1,其隶属度函数可以记为:

图2 干扰频带和雷达工作频带对应关系

其中,PjGj为干扰等效功率;PiGi为干扰雷达等效峰值功率;kj∑的取值,根据雷达的不同体制选取不同的值。

(3)干扰时机隶属度函数确定。在对敌目标雷达进行信号干扰时,干扰节点发射干扰信号设定在敌目标雷达对我方具有威胁的时间里,这样才能对其进行有效干扰。假设敌目标雷达的威胁时间为t1~t2,开始干扰时间为tj,则时间隶属度可表示为:

(4)干扰样式隶属度函数。雷达的技术体制决定了干扰机对雷达干扰样式的选择,同一台干扰机对雷达实施不同的干扰样式会产生不同的干扰效果。将干扰样式和雷达技术体制的映射确定成干扰样式隶属度函数,一般通过专家评审的方法来确定雷达的隶属度准确值。

2.3 RBF神经网络结构

传统的网络结构是使隐含层单元数与输入向量的元素相等,当输入矢量过多时,会导致RBF网络的训练和学习速度过慢。为解决此问题,我们对RBF网络结构进行了改进。基本改进原理是将神经元的初始个数设为0,通过网络学习、训练检查输出误差,使网络自动增加神经元。每次训练迭代,是将RBF产生的最大误差所对应的输入向量作为权值向量,增加一个新的隐含层神经元,然后检查新网络的误差,循环此过程直到满足误差要求或达到最大隐含层神经元数为止。比较可知,改进的RBF网络具有输出与初始权值无关、结构自适应确定等优点。

2.4 学习样本构造

构造用来训练神经网络的学习样本直接关系到评估结果的可信度。为了反映雷达干扰的真实效果,使评估结果符合实际,本文通过以下3种方法来构造网络学习和训练的原始样本。

(1)若4个指标隶属度的值都在[0.9,1]区间内,则雷达干扰效能评估为优;若值都在[0.8,0.9]区间内,则雷达干扰效能评估为良;若值都在[0.6,0.8]区间内,则雷达干扰效能评估为中等;若值都在[0.5,0.6]区间内,则雷达干扰效能评估为差;若值都小于0.5,则干扰效果评估为很差。若4个隶属度值中任何一个小于0.2,雷达干扰效能评估都为很差。

(2)利用典型试验数据作为RBF网络输入样本对网络进行训练,使得通过网络学习后的雷达干扰效能评估结果逼近真实值。

(3)根据专家系统和统计数据对样本进行综合分析,验证样本的合理性。

3 仿真实例

对上述RBF神经网络算法和BP神经网络算法进行仿真实验。利用Matlab编程实现基于RBF神经网络算法和BP神经网络算法的两种评估方法,然后输入样本数据进行训练,用以构造并调整网络结构以及网络参数,通过测试样本进行测试评估。两种方法的仿真测试结果如图3、图4所示。

图3两种神经网络测试样本输出

图4两种神经网络测试样本输出误差

由图3和图4可以看出,两种神经网络算法的预测输出都接近期望输出,表明两种神经网络算法都具备了干扰效能评估与预测能力,但相对于BP神经网络算法,RBF神经网络算法吻合效果、干扰效能的预测精度更好。

为了比较两种网络输出性能的稳定性,我们进行多次仿真实验,实验表明,对于同一组测试样本,RBF网络测试样本输出是固定的,而BP网络每次输出都是波动的,甚至给出了不同的评价结果,造成干扰效能评估的误判。表1是针对相同测试样本的500次蒙特卡洛实验。

通过表1分析可知,在应用RBF网络对10个测试样本进行仿真时,正确评估的概率都为100%,取得了很好的评估效果。而BP网络的测试样本输出出现了很大波动,在有些样本点取得较好的评估效果,有些样本点出现较多的错误评估,导致整体评估效果不是很理想。这主要是因为BP网络隐含层节点数很难确定,从而难以得到最优的网络结构,同时由于网络的初始权值和阈值是随机获取的,通常使得网络陷入局部寻优。

表1 两种神经网络测试样本输出性能对比

由于RBF网络能够依据误差要求自适应调整网络结构,所得到的网络结构通常是最优的,而且具有训练速度快、与网络的初始权值无关以及较强的泛化能力等优点,从而克服了BP神经网络的不足,因此RBF网络比BP网络评估效果更好。

4 结语

雷达干扰效能评估受诸多因素共同影响。本文将RBF神经网络应用在干扰效果评估模型中,通过选取干扰效能评估指标体系建立指标隶属度函数,利用专家经验和统计数字的综合分析,构建该神经网络的训练样本,然后对样本进行学习训练,使得通过网络学习后的雷达干扰效能评估结果满足精度要求。仿真效果表明,RBF神经网络比BP神经网络具有更好的评估效果。训练好的RBF神经网络可“离线”运行,不再依靠专家系统,消除了评估中人为因素的影响,具有较高的应用价值。

当然,本方法在利用RBF神经网络解决干扰效能评估时,怎样使用专家系统更加合理构造学习样本等问题,还需要深入研究及改进。

参考文献

[1]庄瑾,张善文.防空作战系统效能的模糊综合评判研究[J].电光与控制,2005,12(4):44-46.

[2]王飞跃.计算实验方法与复杂系统行为分析和决策评估[J].系统仿真学报,2004,6(5):893-897.

[3]阎平凡,张长水.人工神经网络与模拟进化计算[M].北京:清华大学出版社,2001.

[4]高彬,郭庆丰.BP神经网络在电子战效能评估中的应用[J].电光与控制,2002(1):69-71.

[5]白炜,鞠儒生,邱晓刚.基于RBF神经网络的作战效能评估方法[J].系统仿真学报,2008,12(23):6391-6397.

雷达干扰效能评估 篇3

有源协同干扰方法指编队内各舰有源干扰之间协同使用, 提高编队整体干扰效果。编队有源干扰中的压制干扰协同, 主要是由于现有的单舰干扰资源功率有限, 在对远程雷达实施压制干扰时, 效果不明显。此外, 针对单舰实施的自卫式压制干扰, 敌方可能通过干扰机的方向来判断我方舰艇的方位。以多艘舰艇协同对敌方雷达实施压制干扰, 对每部干扰机的功率要求不会太大, 敌方雷达也无法根据干扰扇面中心线来判断我编队舰艇的方位[1]。

警戒雷达的探测距离, 是衡量雷达系统性能的重要指标。当雷达遭受电子干扰时, 探测距离将大大减小, 无法察知远距离上的威胁目标, 从而使雷达探测目标的能力遭受损失[2]。

本文借助雷达在受干扰条件下的探测距离损失来度量编队协同压制干扰的效能, 通过仿真, 对比具备不同干扰功率的舰艇在不同的协同方式下, 对雷达探测距离的影响, 得出编队在实施有源协同压制干扰时, 提高使用效能的方法结论。

1 舰艇编队有源协同压制干扰模型建立

假设舰艇编队由三艘驱护舰组成, 队形为人字队, 队列角为120°, 舰间距为30cab[3]。舰艇编队有源协同压制干扰的作战态势如图1所示:

雷达以天线主瓣方向指向前哨舰, 干扰机以天线的主瓣指向雷达。当干扰机与被掩护目标没有配置在一起时, 干扰能量通常从雷达天线的旁瓣进入雷达。

参数说明:

Rj1:干扰机1至雷达的距离;Rj2:干扰机2至雷达的距离;Rt:前哨舰至雷达的距离;H:雷达距海平面的高度;θ1:干扰机1与雷达天线主瓣方向的夹角;θ2:干扰机2与雷达天线主瓣方向的夹角。

1.1 到达雷达接收机的目标回波信号功率

在雷达遭受电子干扰的情况下, 雷达接收机将同时接收到两个信号:目标回波信号和干扰信号。因为Rt>>H, 在本文计算中, 忽略H值。

其中目标回波信号功率为[4]:

参数说明:

Pt:雷达的发射功率;Gt:雷达主瓣方向增益;λ:雷达信号波长;σt:前哨舰的有效反射面积。

1.2 进入雷达接收机的干扰信号功率

第i艘舰艇的干扰机进入雷达接收机的干扰信号功率为:

参数说明:

Pji:第i部干扰机发射功率;Gji:第i部干扰机天线增益 (主瓣方向) ;R2ji:第i部干扰机至雷达的距离;rji:第i部干扰机干扰信号对雷达天线的极化损失;λ:雷达信号波长;θi:第i部干扰机与雷达天线主瓣方向的夹角;Gt′ (θi) :雷达在干扰机方向上的增益。

由Gt′ (θi) 与θ的经验公式

式中:

Gt:雷达天线主瓣方向上的增益;θ0.5:雷达天线波瓣宽度;K:常数, 取0.04~0.10。对于高增益锐方向天线, K取大值, 即取K=0.07~0.10;对于波束较宽、增益较低的天线, K取小值, 即取K=0.04~0.06。

根据干扰信号在雷达接收机进行功率叠加的原理[5]:

2 雷达探测距离的计算[2]

2.1 无干扰条件下雷达探测距离计算

当雷达接收机接收到的目标回波功率Pr刚好等于最小可检测信号功率Prmin时, 雷达有最大探测距离:

式中Prmin为雷达从噪声背景中检测信号的门限电平。

在雷达未受到电子干扰时, 只要

就可满足雷达系统正常工作的需要。

式中, Pso为雷达接收机线性部分输出端信号功率, Pno为雷达接收机线性部分输出端噪声功率, D为雷达识别系数 (检测因子) , 是雷达终端设备检测信号所必需的最小接收机输出信噪比。

则雷达接收机最小可检测信号功率:

式中K为波尔兹曼常数, T为用绝对温标应量的环境温度, Bn为雷达接收机等效噪声带宽, F为雷达接收机噪声系数。

以上讨论的是雷达发射一个脉冲信号, 考虑到实际脉冲积累对探测距离的影响, 信噪比能提高到原来的倍[6]。所以

一般, 雷达接收机等效噪声带宽与接收机3分贝带宽基本相等, Bn≈Br将 (7) 带入 (5) , 有:

式 (8) 是雷达未遭受有源电子干扰时的最大探测距离基本关系式。

2.2 有干扰条件下雷达探测距离计算

当雷达受到电子干扰时, 雷达接收机线性部分除存在热噪声功率外, 还有电子干扰信号功率, 则接收机总噪声功率为:

假设雷达接收机接收到的目标回波信号功率为Pr, 则接收机线性部分输出端的信噪比成为:

雷达终端设备需要满足:

在受到有源电子干扰的情况下, 雷达接收机最小可检测信号功率Prmin为:

3 算例及仿真

假设我舰艇编队在海上与敌遭遇, 侦察到敌搜索雷达信号后, 我编队对其搜索雷达实施有源协同压制干扰。干扰态势如图1所示。

舰艇编队多为混合编队, 目的为提高编队的整体作战能力, 假设各仿真参数如下:

敌某型警戒雷达的性能参数为:

我实施干扰的舰艇1干扰机的性能参数为:

实施干扰的舰艇2干扰机的性能参数为:

为计算方便, 取Rt=Rj1=Rj2=200km;前哨舰RCS值σ=15000m2;K=0.05;

实施干扰的舰艇队列角为120° (即干扰机与雷达天线主瓣方向的夹角θi=60°) 。

为对比干扰效果, 分以下几种情况进行仿真计算:

3.1 无干扰条件下雷达探测距离计算

由式 (5) 可得, 在无干扰条件下, 雷达的探测距离Rmax=276km。

3.2 单舰干扰下雷达探测距离计算

假设由舰艇1单独对雷达实施有源压制干扰, 将干扰机1的性能参数及雷达参数带入式 (12) 得:Rmaxj1=61km。

假设由舰艇2单独对雷达实施有源压制干扰, 将干扰机2的性能参数及雷达参数带入式 (12) 得:Rmaxj2=73km。

对比Rmaxj1及Rmaxj2数值可知, 在距雷达相同距离及角度的情况下, 干扰功率及干扰增益大的干扰机对雷达的干扰效果更好。

3.3 双舰干扰下雷达探测距离计算

假设舰艇1、舰艇2同时对雷达实施有源协同压制干扰, 将两部干扰机参数及雷达参数带入式 (4) 、式 (12) 可得, Rmaxj=55km。对比Rmaxj、Rmaxj1、Rmaxj2数值可知, 两部干扰机协同对雷达实施压制干扰的效果好于单部雷达实施干扰的效果。

以上均是在初始状态下, 单舰或双舰协同对雷达实施有源压制干扰时, 对雷达最大探测距离进行了计算。

由雷达在受到有源电子干扰时的最大探测距离公式, 式 (12) 可知, 在雷达、及干扰机性能参数不变的情况下, 雷达最大探测距离Rmaxj主要取决于进入雷达接收机的干扰信号合成功率值Pij。由式 (2) 、 (3) 、 (4) 可知, 进入雷达接收机的干扰信号功率主要取决于θi值, 且与θi值成反比。

为得到更大的干扰信号合成功率, 取得更好地干扰效果, 令舰艇进行机动干扰。

分以下两种情况进行仿真计算:

3.4 单舰机动干扰下雷达探测距离计算

假设两艘舰艇同时对雷达实施有源协同干扰, 其中一艘舰艇保持120°队列角, 另一舰艇逐步扩大队列角。合成功率值随θ的变化如图2所示:

图中实线为舰艇2保持120°队列角 (即干扰机2与雷达天线主瓣方向的夹角θ2保持60°) , 舰艇1逐渐扩大队列角 (即干扰机1与雷达天线主瓣方向的夹角θ1逐步减小) 时, 合成功率随θ1的变化。

虚线为舰艇1保持120°队列角 (即干扰机1与雷达天线主瓣方向的夹角θ1保持60°) , 舰艇2逐渐扩大队列角 (即干扰机2与雷达天线主瓣方向的夹角θ2逐步减小) 时, 合成功率随θ2的变化。

由图2可以看出, 在一艘舰艇保持120°队列角的情况下, 随着另一艘舰艇干扰机与雷达主瓣方向的夹角逐渐变小, 合成功率逐渐增大。在干扰机与雷达天线主瓣方向夹角为10°左右时, 合成功率数值增速较快。在θ1=10°, θ2=60°时, 对应的雷达最大探测距离Rmaxj=25Km。在θ1=60°, θ2=10°时, 对应的雷达最大探测距离Rmaxj=29km。

3.5 双舰机动干扰下雷达探测距离计算

为简便计算, 假设两艘舰艇同时减小队列角, 合成功率值随θ的变化如图3所示。

由图3可以看出, 随着两艘舰艇逐步扩大队列角 (即干扰机与雷达主瓣方向的夹角θ逐渐变小) , 合成功率逐渐增大。在干扰机与雷达天线主瓣方向夹角为10°左右时, 合成功率数值增速较快。在θ1=θ2=10°时, 对应的雷达最大探测距离Rmaxj=23km。

将图2、图3合成, 如图4所示。

图5为对应的雷达最大探测距离随θ值的变化。

由图4, 对比三种情况下雷达接收机接收到的合成干扰功率, 可知, 两艘舰艇同时扩大队列角时, 雷达接收机接收到的合成干扰功率大于单舰扩大队列角时雷达接收机接收到的合成干扰功率, 即对雷达最大探测距离的影响更大 (如图5所示) 。

4 结束语

本文借助雷达最大探测距离损失做为度量舰艇编队对雷达实施有源压制干扰效果的指标。

从上述仿真结果可得出结论:

在两艘舰艇对敌雷达实施有源协同压制干扰时, 两舰应同时机动扩大队列角, 其对雷达最大探测距离的影响, 高于单舰机动扩大队列角及两舰保持原队列角时对雷达最大探测距离的影响。且当队列角大于170°, 即实施干扰的舰艇与敌雷达的夹角小于10°时, 对雷达探测距离的影响更大。

本文对编队实施有源协同压制干扰时干扰队形的研究及战术的制定, 具有一定的参考价值。

参考文献

[1]王红军, 戴耀, 陈奇.舰艇电子对抗原理[M].北京:海潮出版社, 2008:67-69.

[2]桑炜森.电子对抗效能分析与评价模型[M].北京:解放军出版社, 1999:62-63.

[3]谭安胜, 邱延鹏, 汪德虎.新型驱护舰编队防空队形配置[J].火力与指挥控制, 2003, 28 (6) :6-9.

[4]林象平.雷达对抗原理[M].西安:西北电讯工程学院出版社, 1985:361-364.

[5]邵国培, 曹志耀, 何俊.电子对抗作战效能分析[M].北京:解放军出版社, 1998:143.

雷达干扰效能评估 篇4

1干扰效果评估形式和体系分析

基于现有雷达应用系统的差异性, 在系统评估过程中要明确应用机制的效果, 并从多个角度对其进行优化分析。以下将对干扰效果评估形式和体系进行分析。

1.1干扰效果概念

干扰效果评估指的是现有应用系统中存对其他电子信息系统造成的干扰, 在优化设计阶段能对电子信息系统、电子设备或人员所产生的干扰、损伤或破坏效应进行的定性或定量评价。基于效果评估的差异性, 在设计阶段必须明确干扰程序, 并遵循现有的应用依据, 使其适应系统评估的应用体系和干预形式。在整体性干预阶段可以明确监测形式和干扰效应, 对应用指标进行系统的分析, 并在实践中明确应用机制。

1.2干扰效果应用机构

针对固定设计形式的差异性, 在优化评价的过程中要明确运用形式的组成方式。但是现有的评估方法和固定变形形式存在一定的差异性, 在优化设计阶段必须考虑到应用模式的特点, 使其适应雷达应用系统的本质性要求。在设计阶段需要对雷达对抗侦察系统的干扰效果进行系统的评估, 使其适应应用机制的本质性要求。更重要的是确定合适的评估准则以及构建合理、可信的干扰效果评估指标体系。

1.3干扰效果评估原则分析

当前对于现有的评估管理形式, 其应用原则存在一定的差异性, 在优化设计过程中必须兼顾到设计形式的应用形式, 使其满足系统设置的本质性要求。其中涉及到信息准则、功率准则、效率准则等, 在设计过程中要严格按照固定的设计形式对其进行优化分析。首先是信息干扰准则, 涉及到被干扰者和干扰者两个方面, 在系统设计阶段必须从多个角度对其进行分析, 不断减少影响因素。但是在对抗干扰阶段, 雷达的干扰形式对整体应用效果存在一定的阻力。其次是功率准则原则, 在应用阶段需要明确干扰程序和方式, 不断减少应用压力, 使其在符合建筑形式的本质要求。对雷达进行实施和干预的过程中要不断优化干预信息, 对接受程序进行调整。效率准则需要在第一时间获得雷达辐射的信心, 包括定位目标、战略形式和功率准则等, 选择适当的干预体系不断对应用程序进行干预。

2雷达对侦察系统干预效果的评估

基于干扰指标和应用机制之间的差异性, 在整体评估过程中必须不断减少干预因素的影响, 使其满足应用形式的本质性要求。在优化建设阶段要了解干预评估形式, 并按照固定的设计形式和应用理念对其进行优化分析。以下将对雷达对侦察系统干预效果的评估进行分析。

2.1明确指标应用系统

指标管理体系在整个应用阶段起到至关重要的作用, 在优化建设过程中必须减少干扰因素的影响, 使其满足现有管理机制的本质性要求, 满足建设管理形式的要求。在系统建设过程中评估效果起到至关重要的作用, 要以现有的变革形式为目标, 实现效果评估体系的顺利进行。但是现有的管理程序和干扰指标之间存在一定的差异性, 需要以固定的应用机制为研究点, 满足应用系统的建设需求。整个优化过程中必须构建合理有效的指标管理体系, 使其满足系统建设的要求。

2.2对应用形式进行扩展

在现有系统建设阶段需要明确抗侦察系统的应用形式, 不断降低管理能耗。在基本工作形式应用阶段要以雷达侦察系统为主, 不断优化建设形式, 减少干扰形式的干预, 使其发挥理想的作用。由于现有的雷达系统在应用阶段受到的干扰性比较大, 因此在优化设计阶段需要从现有设计形式入手。其变频管理形式和背景发展形态有一定的联系, 保证系统在有无干扰条件下, 能够正常获取正确信息的空域范围减小程度。

2.3应用形式的监测

基于现有发展模式的差异性, 在控制阶段需要对应用形式进行合理的分析, 使其适应应用机制的相关要求。在具体设计阶段需要明确错误诊断率, 如果存在严重的系统控制不当或者监测形式不合理的情况, 则需要及时对其进行优化分析。在系统设计阶段涉及到干扰系统的影响, 必须在固定的指标评价形式的要求下, 对应用功率进行分析。干扰信号越前强则说明符号的应用功率越小。干扰效果指标合常规性应用指标存在差异性, 必须对参数形式进行优化分析, 使其适应系统应用效果的相关要求。如果信号本身比较复杂, 雷达在对其进行处理的过程中会耗费大量的实践, 这样会直接对信号的干预效果产生影响, 就降低了其时效性。

3结束语

针对当前雷达对抗侦察系统的干预效果, 在整体应用和控制过程中必须树立正确的评价管理机制, 使其满足系统设置的本质性要求, 并在执行阶段合理执行。电子应用系统对抗干扰形式存在一定的差异性, 在优化设计过程中必须体现出设计的合理性。在技术应用阶段采用Vague集理论和隶属度函数为基本依托, 在后续程序发展中能对干扰效果做出直接合理有效的评估, 进而不断提升应用标准的干预效果。

参考文献

[1]杨军佳, 毕大平, 莫翠琼.雷达对抗侦察系统干扰效果评估的模糊推理方法[J].火力与指挥控制, 2011, 12 (12) :99-101.

[2]杨军佳, 林钰, 毕大平, 王天云.基于PDW加权相对距离的侦察系统干扰效果评估[J].航天电子对抗, 2013, 08 (12) :189-191.

[3]陈明辉.弹道导弹防御相控阵雷达欺骗干扰效果仿真与评估研究[D].国防科学技术大学, 2013, 09 (12) :280-281.

雷达干扰效能评估 篇5

随着现代电子对抗技术的不断进步, 雷达干扰与抗干扰之间的斗争日趋激烈。面对日益复杂的电子干扰环境, 雷达必须提高其抗干扰能力, 才能在现代战争中生存;进而才能发挥真正作战效能, 给战局带来积极的影响。

目前在国内一些的主流雷达上都根据雷达的特点作了抗干扰设计, 但所采用的抗干扰设计在实战中的实际效果如何, 还需要大量的试验进行分析和验证, 以便得出定量的分析, 为雷达的抗干扰性能的设计改进, 为雷达兵部队的作战使用、雷达装备部署和指挥决策提供依据。

本文提供了一些验证雷达抗干扰性能的模拟试验和效果评估的方法。

1 雷达抗干扰试验方法

(一) 远距离支援干扰

(1) 试验模拟场景

远距离支援干扰作战场景设定2架电子战飞机分别从不同方位飞抵雷达的有效探测空域, 作椭圆形飞行, 施放压制式噪声干扰, 掩护战斗机隐蔽进入防区, 每部干扰机的有效辐射功率密度为1k W/MHz, 试验模拟场景如图1所示。

在不同作战场景中, 干扰机、战斗机与雷达之间的夹角会有所变化。

(2) 模拟试验设备布置

支援干扰试验可以采用多个干扰源, 配置在地面满足天线远场条件的位置, 观测目标为空中目标或者目标模拟器施放的模拟目标。干扰机模拟某型电子战飞机的干扰设备, 目标模拟器施放的模拟目标或者空中目标模拟某型战斗机, 即被保护目标。

干扰功率可以按照下式等效反推到典型作战场景:

式中, Pexp和Pexp′分别为敌方典型干扰机和试验用干扰机的有效辐射功率, Rj和Rj′分别为敌方典型干扰机和试验用千扰机与雷达之间的距离。

图2为采用两个干扰源的试验现场示意, 目标机航线或者目标模拟器和地面干扰机与雷达之间的夹角可以合理调整。

(二) 随队干扰

(1) 试验模拟场景

随队干扰作战场设定为多架飞机编队突防, 其中有1架电子战飞机或者战斗机 (挂载干扰吊舱) , 从距离雷达的设定距离开始施放干扰, 掩护飞机编队在干扰扇区内飞行。如电子战飞机或者战斗机挂载干扰吊舱, 施放压制式噪声干扰, 有效辐射功率密度为1k W/MHz;如战斗机挂载欺骗干扰系统, 则施放欺骗式干扰, 有效辐射干扰功率最大为1k W。

(2) 试验阵地部署

抗随队干扰试验采用一个干扰源, 在地面架设干扰机, 试验现场示意图如图4所示。在满足雷达天线远场条件的同一位置, 架设压制式干扰机和目标模拟器, 二者需要架高, 其发射天线高度雷达天线相当, 瞄准雷达天线。压制式干扰机的干扰功率按照式 (1) 进行反推, 随时间变化 (即电子战飞机与雷达之间的距离减小) 逐渐增加;目标模拟器施放的模拟目标回波功率, 同样随时间变化 (即战斗机与雷达之间的距离减小) 逐渐增加。

(三) 自卫干扰

(1) 试验模拟场景

自卫干扰, 即单架战斗机挂载电子干扰吊舱突防。可以想定为1架战斗机挂载先进自卫干扰机突防, 从距离雷达的设定距离开始施放干扰。自卫干扰机可施放压制式干扰, 也可施放欺骗式干扰。

(2) 试验阵地部署

抗自卫干扰试验阵地部署与抗随队干扰试验相同, 如图3所示。干扰功率等效模拟方法也与抗随队干扰试验相同, 不同之处在于抗自卫干扰试验的干扰功率要小于抗随队干扰试验。

2 试验数据处理及评估

分别给出抗压制式干扰和欺骗式干扰的数据处理方法。抗压制式干扰试验中, 支援干扰、随队干扰、自卫干扰以及组合干扰的数据处理方法基本相同。

(一) 抗压制式干扰试验数据处理及评估

(1) 噪声功率折算

依据雷达方程进行折算, 雷达方程如下:

根据试验中雷达记录的噪声功率数据PN (雷达受干扰时以及受干扰后采取各项抗干扰措施时记录的数据则为噪声加干扰的功率Prj, 可以推算出k Ts。

或者:

假定试验中, 雷达受干扰前后, 观测同一航线的同一批目标, 雷达工作参数没有变化, 将式 (3) 和式 (4) 代入式 (2) , 即可得到雷达正常工作时、受干扰时以及受干扰后采取各项抗干扰措施时的最大探测距离。

如果试验中, 无法得到雷达目标截面积σ的值, 就难以得出具体的距离值。这时, 可以把无干扰时, 雷达正常工作状态下的最大探测距离作为基准, 计算受干扰时以及受干扰后采取各项抗干扰措施时雷达探测距离的下降程度。

可以对式 (5) 进行归一化, 把Rmax计为1, 则:

则干扰条件下R干越大, 说明雷达的抗有源干扰的能力越强。

(2) 信 (干) 噪比折算

雷达抗干扰性能评估, 应反映出干扰环境下, 雷达采取一系列抗干扰措施和手段后, 对目标综合探测能力的最终改善程度, 而不应仅仅关注对干扰的抑制情况。如果在抑制干扰的同时, 对目标回波信号强度有影响, 雷达在总体抗干扰性能就会打折扣。噪声功率折算方式中只考虑了干扰环境下雷达接收机内噪声功率的变化, 没有考虑目标回波信号功率的变化, 不能全面评估雷达的抗干扰性能。因此, 采用信 (干) 噪比数据进行折算, 可以客观的反映雷达的整体抗干扰性能。

试验中, 对于某批径向运动的目标, 假定目标在距离R1处时, 雷达接收到的目标回波信噪比为V1, 则可以推算出雷达对该目标的最大探测距离为:

使用信噪比数据推算雷达最大探测距离时, 应取目标在清洁区的距离段的数据, 即雷达没有采取MTI、MTD、STC等对消处理的情况下。

同样, 在压制式干扰环境下, 目标在距离R1处时, 雷达接收到的目标回波信噪比为V1j, 则可以推算出干扰环境下雷达对该目标的最大探测距离为:

把无干扰时, 雷达正常工作状态下的最大探测距离作为基准, 计算受干扰时以及受干扰后采取各项抗干扰措施时雷达探测距离的下降程度。

可以对式 (19/) 4进行归一化, 把Rmax计为1, 则

对于单批目标, 干扰源和目标间的夹角是固定的, 也就是说只能得到干扰源从某一固定的副瓣方位进入雷达接收机时雷达的探测距离。可以将该距离与噪声功率折算出的探测距离、理论计算出的探测距离进行比对。

(二) 抗欺骗式干扰试验数据处理及评估

(1) 抗密集假目标干扰数据处理

对于密集假目标, 可以通过综合考虑真目标跟踪概率和假目标剔除概率, 得出雷达抗密集假目标能力强弱的结论。

(1) 真目标跟踪概率

对于一批在规定区域沿规定航线连续飞行的目标, 没有干扰的情况下, 雷达对该目标的正常检测跟踪概率为P0;在该区域施放密集假目标干扰, 雷达没有采取抗干扰措施的情况下, 雷达对该目标的正常检测跟踪概率为P1;在该区域施放密集假目标干扰, 雷达综合采取抗干扰措施后, 雷达对该目标的最优正常检测跟踪概率为P2。由此可以定义基于对真目标跟踪概率的抗密集假目标干扰性能指标:

则试验过程中计算出的Dm1值越大, 雷达抗密集假目标的能力就越强。其中, 雷达的检测跟踪概率P定义为:

式中, M为目标机在规定航线的飞行过程中雷达自动或半自动录取并正常跟踪的点数, N为目标机在规定航线的飞行过程中雷达总的观测点数。

(2) 假目标剔除概率

没有干扰的情况下, 雷达正常工作环境下某一规定区域的显示画面点迹数为A0;在该区域施放密集假目标干扰, 未采取任何抗干扰措施的情况下, 该区域点迹数为A1;在该区域施放密集假目标干扰, 雷达综合采取抗干扰措施后, 该区域最小点迹数为A2。定义假目标剔除概率性能指标为:

同理, 通过对试验数据计算的DM2越大, 雷达的抗密集假目标的能力越强。

(3) 抗虚假航迹干扰数据处理

假定没有施放干扰, 雷达正常工作环境下, 在规定区域正常跟踪 (雷达自动或者半自动检测录取, 跟踪概率≥80%) 的目标数为N0;在该区域施放多批 (≥1批) 虚假航迹欺骗干扰 (航线与真实目标航迹不重合) 后, 雷达正常跟踪的虚假目标数为P1, 对真目标的跟踪应不受影响;雷达综合采取抗干扰措施后, 在该区域正常跟踪的最小虚假目标数为P2, 正常跟踪最大真实目标数为N2。定义抗航迹欺骗干扰性能真假目标联合识别概率指标为:

3 结语

为了描述雷达的反干扰能力, 衡量在干扰背景下的雷达的工作质量, 是需要采用一些因子或系数作为雷达反干扰质量的指标的。由于反干扰技术涉及面较广, 从不同的角度可以有不同的衡量标准, 因而很难定义一个考虑到各种干扰影响, 而又将雷达各部件与反干扰能力有关联因素均估计进去的完善的系数。

本文列举了一些主要的旨在检验雷达抗干扰性能的模拟试验方法, 并在常规的干扰中可见度、改善因子、识别概率等衡量雷达抗干扰质量主要参数之外, 从功能试验的角度, 通过试验数据的统计, 能够直观的反应雷达的抗干扰性能的优劣, 为雷达的抗干扰设计提供试验依据。

参考文献

[1]魏麦成.雷达抗有源干扰性的综合指标及仿真评估[J].空军上程大学学报 (自然科学版) 2003 (2) .

[2]侯颖辉, 许荣庆.星载雷达弱目标小波去噪方法研究[J].黑龙江大学自然科学学报.2006 (05) .

[3]李波涛, 李明, 吴顺君.雷达抗干扰效评估方法探讨[J].现代雷达.2006 (11) .

[4]李军.雷达抗干扰试验中的几个基本问题[J].舰船电子对抗.1999 (6) .

烟幕干扰效能评估系统设计 篇6

烟幕作为一种应用广泛的无源干扰手段, 具有成本低、战术使用简易方便等特点, 已成为对光电探测、观瞄、红外制导武器干扰的一种有效手段。

干扰效果的评估一方面是干扰技术研究的重要环节, 另一方面, 对烟幕的战术使用研究有重要的意义.烟幕干扰效果评估需要大量外场试验.然而, 外场试验不仅需大量的人力、物力代价, 而且由于外场烟幕试验受到多种不可控因素的影响导致试验效率不高.因此, 研究有效、可靠、实用的烟幕干扰评估系统具有重要意义.

1 烟幕干扰评估系统构想

对于烟幕干扰效果的评估方法可分四类[1,2,3,4,5].

第一类是基于烟幕的物理特性和光学特性的透过率法、消光系数法、遮蔽质量法等, 这些方法通过试验数据和相应参数计算得出的仅仅是烟幕单方面使用的效果, 不能反应出烟幕对抗光电成像系统的干扰效果;

第二类是数值仿真法, 通过建立烟幕成形、变化等数学模型对烟幕遮蔽效果进行评估, 该类方法参数易调节, 灵活性强;不足之处是没有完善的数学模型可以准确描述环境对于烟幕施放的影响;

第三类是实验测试评估法, 由于测试时的环境条件 (温度、湿度、风力、风向等) 不能人为控制, 而且烟幕覆盖范围宽, 扩散快, 数据重复性差;

第四类是半实物仿真法, 该文采用的研究方法属于这一类, 该类方法具有灵活性强、可控性强、效费比较高、重复性好等优势, 为解决外场试验不能鉴定和评估的问题提供了有效的方法, 并且可以克服外场试验的一些约束条件, 与计算机仿真方法相比, 半实物仿真以实验为基础, 结果精确、直观, 能为计算机仿真提供数据支持, 有助于仿真模型优化.

1.1 评估系统的功能要求

烟幕干扰评估系统采用视频注入式半实物仿真设计思想, 利用外场摄取目标、背景和烟幕图像生成不同目标背景和烟幕干扰的视景;对注入的视频进行目标跟踪;定量评估烟幕干扰对成像制导武器的具体影响.如图1所示为烟幕干扰评估系统功能示意图.

1.2 系统的组成

烟幕干扰评估系统主要由5部分组成[6], 如图2所示.

(1) 数据库模块

为图像生成提供目标源图像、背景源图像、大气辐射传输模型、大气参数等数据和模型资源.

(2) 烟幕释放效果仿真模块

针对扩散区内各种发烟源、气象要素和下垫面条件, 建立起能够正确反映当地烟幕输送和扩散过程的数学模型.

(3) 红外图像生成模块

输入仿真参数后, 生成红外图像发送给视频信号处理模块.生成数字图像过程包括目标的生成、背景的生成、烟幕干扰效果生成.

(4) 视频信号处理模块

视频信号处理模块主要由各种目标检测、跟踪算法构成.为了这些算法借助硬件来实现.

(5) 仿真评估控制模块

控制仿真评估进程, 计算目标与红外成像系统的相对位置和相对姿态, 更新下一帧的视点位置;仿真评估结果的处理.

2 视频跟踪器

光学成像视频跟踪器应满足如下功能要求:

(1) 光学成像视频跟踪器能够实现对可见光和红外视频目标在典型背景下实时的识别跟踪功能;

(2) 以模板匹配模式选取跟踪目标进行跟踪;

(3) 与上位机的通信接口采用RS232串口, 能够实时将误差信息送给上位机;

(4) 输出视频显示跟踪窗和十字丝, 跟踪窗口下方实时显示跟踪误差.

2.1 硬件设计

Altera公司推出的Cyclone Ⅲ低成本、低功耗、功能丰富的FPGA芯片.该系列芯片具有丰富的存储器资源, 数字信号处理 (DSP) 乘法器, 视频和图像处理 (VIP) 包, Nios○RII嵌入式软核处理器, 在视频和图像处理等高强度算法应用中, 这些特性使该FPGA成为ASSP、ASIC以及分立数字信号处理器的理想替代方案.如图3所示为成像跟踪器的整体框图.

成像跟踪器的核心部件是FPGA, 它主要完成的功能有:视频解码器、视频编码器的配置;鼠标的驱动和鼠标数据接收转换;RS232串口通讯;字符十字丝波门的生成;模板的相关匹配运算;目标跟踪决策处理等.

2.2 跟踪算法设计

2.2.1 图像预处理算法

图像预处理的目的是减小噪声影响, 提高图像信噪比, 为后续图像处理做准备.文献[7]中提出一种适合硬件实现的快速中值滤波算法, 该算法可以有效提高效率, 减少排序次数, 算法具体步骤可表述为:将模板范围内每行、每列像素进行重新排列, 那么, 中间行与中间列的交点即为模板的中值.

2.2.2 典型红外成像导弹跟踪算法[8,9]

相关跟踪算法与波门跟踪算法相比利用了更多的图像信息, 因而能更有效可靠地跟踪目标, 它不要求分割目标和背景, 对图像质量要求不高, 可在低信噪比条件下正常工作, 对与选定的跟踪目标图像不相似的其他一切景物都不敏感, 能适应复杂结构的目标和背景的场合, 可用来跟踪较小的目标以及目标区域的某一特殊部分或对比度比较差的目标.鉴于上述分析, 选取相关跟踪算法来实现目标的跟踪.

序贯相似检测法 (SSDA) 是一种运算量小且很有效的相关跟踪方法.目标出现的位置一般不会离前一帧最佳匹配位置太远, 因此经典的SSDA模板匹配算法可以改进匹配搜索路径来进行算法性能的优化.设当前模板最佳匹配点为 (i, j) , 则下一帧最佳匹配点的位置出现在点 (i, j) 周围的可能性是比较大的, 因此可作下述改进:在当前最佳匹配点位置周围30个像素范围搜索时, 绝对误差值乘一个置信权重, 该值小于1;在当前匹配点位置30～60个像素范围搜索时, 置信权重设为1～2之间;依此法, 设置不同的置信权重系数, 这样, 可以加快在非匹配点位置的搜索速度, 又不影响匹配的精度.置信权重系数的设定需要通过实验来选取最佳的系数.

SSDA算法存在另一个比较大的问题是, 绝对误差准则寻求的最佳匹配点存在较大的误差, 而在模板不断更新的跟踪过程中, 误差会不断累加造成跟踪不稳定, 甚至目标丢失.针对这一点, 改进更新模板的方法:在选取第一个模板后, 对该模板进行二值化处理 (阈值选取为该模板像素灰度的平均值) 求取二值化图像的形心坐标, 该坐标与模板中心坐标的差值即为更新模板的修正值.

3 烟幕干扰视景仿真

3.1 目标/背景三维辐射模型建立

通过分析目标的红外辐射特性及典型作战背景红外辐射特性, 采用Multigen Creator对目标三维模型进行建立, 在外场利用2个波段的红外热像仪拍摄模型目标的纹理图像.为获取比较真实的红外辐射纹理信息, 拍摄的过程中尽量避开阳光、地面等反射的辐射, 采用小镜头小视场拍摄, 将这样获得的红外纹理近似认为是零视距红外纹理信息.地形的三维模型采用随机分布法来生成, 同样利用热像仪获得背景的红外辐射灰度纹理图像, 然后将此纹理进行拼接后映射到三维地形模型上.

3.2 烟幕干扰仿真设计

烟幕干扰视景仿真采用基于实测数据烟幕干扰仿真方法[10].

设Emin, Emax分别代表了烟幕辐射的最高值和最低值, 目标背景辐照度的最大值和最小值分别用Etbmax和Etbmin表示.计算每级灰度对应的辐射间隔r为

$r=\frac{E{}_{\text{t}\text{b}\text{m}\text{a}\text{x}}-E{}_{\text{t}\text{b}\text{m}\text{i}\text{n}}}{G{}_{\text{r}\text{a}\text{n}\text{g}\text{e}}}(1)$

设G (x, y) 为图像某像素点灰度

$G(x,y)=\mathrm{int}\left(\frac{E-E{}_{\text{t}\text{b}\text{m}\text{i}\text{n}}}{r}\right)(2)$

利用该映射关系进行烟幕纹理图像的制作.利用生成的烟幕纹理进行红外烟幕干扰仿真, 仿真方法如图4所示.

利用外场试验数据, 采用Creator建立三维目标和地形模型, 计算以天空为背景红外烟幕的透过率进行烟幕干扰仿真, 试验测量结果同仿真结果的对比如图5所示.

图5a为8～12 μm波段烟幕透过率50%的试验实测图像;图5b为8～12 μm波段烟幕透过率为50%的烟幕干扰仿真图像;图5c为3～5 μm波段烟幕透过率30%的试验实测图像;图5d为3～5 μm波段透过率为35%的烟幕干扰仿真图像.

烟幕干扰红外视景仿真流程如图6所示.

4 评估方法

4.1 基于制导精度评估法

制导武器弹着点的脱靶量和制导精度是反映其战术性能的关键指标, 对制导武器的干扰直接影响到其脱靶量和制导精度, 所以评估指标可以选择为脱靶量或制导精度, 通过检测制导武器受干扰后, 其脱靶量或制导精度的变化情况来评估干扰效果[11,12].

理论分析和大量试验结果证实, 在正常情况下制导武器的制导误差服从正态分布.既然制导误差服从正态分布, 根据测量误差理论, 制导武器弹着点落在以目标为中心, δ为半径的范围内的概率将为68.27%, 落在以2δ和3δ为半径的范围内的概率则分别为95.45%和99.73%, 也就是说, 在未实施烟幕干扰时, 制导武器弹着点仅有0.27%的概率落在以目标为中心, 3δ为半径的范围以外.为此, 可以3δ为界限判定实施干扰时制导误差是否超出正常制导精度允许范围.

设未实施烟幕干扰时制导武器的制导精度为δ0, 实施干扰后脱靶量大小为△r, 则可以按照以下标准判定干扰是否有效:

(a) 当△r≤3δ0时, 本次干扰无效;

(b) 当△r>3δ0时, 本次干扰有效.

在实际使用中, 烟幕干扰设备对制导武器的干扰是一个高度动态的过程, 在这一动态过程中, 影响干扰效果的因素非常复杂, 所以干扰效果有很大随机性.因此在实用中重要的不是某一次干扰效果如何, 而是在一定的使用条件下有多大把握对特定目标实现有效干扰, 即干扰成功率.为考核干扰成功率, 需要进行多次干扰试验, 记录各次干扰试验中的脱靶量△ri, 依据上述2种判定标准之一判定各次干扰是否有效, 最后按式 (3) 统计出干扰成功率.还可以依据干扰成功率的大小, 将干扰效果划分为若干等级.

$\eta =\frac{n{}_e}{n}\times 100\%(3)$

式中, ne为干扰有效次数, n为总干扰次数.

4.2 基于命中概率评估法

命中概率是体现制导武器效能的一个重要参数, 计算出导弹受干扰前后的命中概率, 以此来评估烟幕的干扰效果是客观准确的[5].

每次射击的弹着点可用二维随机变量 (Y, Z) 来描述.设$\overline{y}$、$\overline{z}$分别表示弹着点Y, Z的数学期望, 反映制导误差中系统误差的大小, 则散布规律的数学描述为

$\begin{array}{l}f(y,z)=\frac{1}{2\text{π}\sigma {}_y\sigma {}_z\sqrt{1-\rho {}_{yz}^2}}\\ e{}^{-\frac{1}{2(1-\rho {}_{yz}^2)}\left[(\frac{y-\overline{y}}{\delta {}_y}){}^2]-2\rho {}_{yz}\frac{(y-\overline{y})(z-\overline{z})}{\delta {}_y\delta {}_z}+(\frac{z-\overline{z}}{\delta {}_z})\right]}(4)\end{array}$

式中, ρyz是Y, Z的相关系数;δy, δz分别为Y, Z的标准差, 反映制导误差中随机误差的大小.当没有系统误差存在时, 散布中心与瞄准中心重合, 式 (2) 可以表述为

$f(y,z)=\frac{1}{2\text{π}\delta {}_y\delta {}_z}\exp \left(-\frac{y{}^2}{2\delta {}_y^2}-\frac{z{}^2}{2\delta {}_z^2}\right)(5)$

令P表示单发导弹的命中概率, 即独立射击时某一发导弹命中目标的概率

${\rm P}=\frac{1}{2\text{π}\delta {}^2}{\displaystyle \underset{-a}{\overset{a}{\int }}{\displaystyle \underset{-b}{\overset{b}{\int }}\exp }}(-\frac{y{}^2+z{}^2}{2\delta {}^2})\text{d}y\text{d}z(6)$

式中, a, b为目标等效为长方形的长和宽.

为了用这一客观现象定量地评估干扰效果, 可以引用下列表达式 (P为干扰前命中概率, P′为干扰后命中概率) :

(a) △P=P-P′以单发命中概率的下降值作评估干扰效果的参数;

(b) β= (P-P′) /P以单发命中概率的相对下降值或下降率来评估干扰效果;

(c) η=P′/P称效率系数, 它反映了导弹在有干扰和无干扰2种条件下命中一目标所需要导弹数之比 (0<η<1) .

提出生成一定弹目距离、目标处于稳定跟踪状态、不同透过率烟幕干扰视景的方法来进行干扰效果的定量评估方法.利用生成的视景进行跟踪实验, 成像跟踪器的误差输出量即可认为是烟幕干扰引起的制导误差, 这样就可以充分利用输出的误差信号实现在开环状态下对烟幕干扰效果的定量评估.由于生成的是目标在设置的制导精度下稳定跟踪的视景, 视景中导弹和目标的距离一定, 因此可以把成像跟踪器跟踪目标的过程看作是具有遍历性的平稳随机过程, 那么可以利用时间平均代替统计平均, 即可以通过延长导弹跟踪时间来代替多枚导弹的试验.

5 结 束 语

设计了烟幕干扰效能评估系统, 结合现代信号处理技术和干扰评估理论, 吸取国内外的成功经验, 对评估系统中的关键技术给出了解决方案.

参考文献

[1]韩洁, 张建奇, 何国经.红外烟幕干扰效果评价方法[J].红外与激光工程, 2004, 33 (1) :1-4.

[2]李明, 范东启, 康文运, 等.红外烟幕遮蔽效果测量与评估方法研究[J].红外与激光工程, 2006, 36 (7) :599-603.

[3]严晓芳, 李磊, 任小冰, 等.烟幕对抗红外成像制导导弹的仿真建模[J].系统仿真学报, 2008, 20 (10) :2697-2704.

[4]王继光, 高文静, 杨彦杰.红外烟幕干扰效果的测试与评估[J].舰船电子对抗, 2007, 30 (1) :60-63.

[5]李海燕, 朱敏, 何友金, 等.激光对红外制导导弹干扰仿真与效果评估[J].红外与激光工程, 2008, 37 (6) :1034-1078.

[6]谭伟.烟幕干扰评估系统及试验技术研究[D].烟台:海军航空工程学院, 2010.

[7]Priyadarshan Ko1te, Roger Smith, Wen Su.A Fast Medi-an Filter using A1ti Vec[C]//IEEE International Con-ference on Computer Design, 1999:384-391.

[8]Guihua Xia, Zhouyi Xing.A New Alogorithm for TargetRecognition and Tracking for Robot Vision System[C]//IEEE International Conference on Contral and Automa-tion, Guangzhou, 2007:1004-1008.

[9]陈娅莎.基于模板图像的目标自动识别与跟踪方法研究[D].南京:南京理工大学, 2007.

[10]何友金, 谭伟, 毛剑英基于实测数据的红外烟幕干扰仿真研究[J].红外技术, 2010, 32 (3) :125-128.

[11]高卫.烟幕干扰效果评估方法研究[J].兵工学报, 2006, 27 (4) :681-684.

雷达干扰效能评估 篇7

雷达对抗是电子战的重要组成部分，在现代战争中的地位举足轻重。雷达干扰作为雷达对抗的主要内容，对其干扰效果进行评估已经成为研究的热点。干扰效果的评估方法已经由早期的评估因子法[1]，发展到后来的模糊综合评估法[2,3]。近年来，随着机器学习理论的应用发展，出现了基于支持向量机等机器学习理论的智能评估法[4]，并取得了较好的效果。但是，由于存在“过拟合”等问题，要想获得具有较高分类准确率的支持向量机和神经网络等单一分类模型，无论在参数设计还是模型训练等方面都存在一定的难度。单一分类模型很难同时具备高精确性和高稳健性。

组合分类模型利用多个基分类器之间的多样性，对事物的不同特征属性从多个维度进行区分，能够降低分类误差，从而获得理想的分类性能[5]。组合分类模型已经在很多领域得到应用[6,7]，取得了较好的效果。为此，本文试图将组合分类模型引入到雷达干扰效果评估中，以期能够取得较好的应用效果。

1 影响因素分析与评估指标选择

雷达干扰效果与很多因素关系密切，受包括干扰机、被干扰雷达以及对抗环境等多个方面的因素影响。雷达干扰效果可以描述为，在某种设定的干扰条件下雷达系统性能被削弱的程度。雷达干扰效果主要受以下几种决定性因素[3]的影响:

(1)干扰机干扰频率、天线极化方式、天线方向瞄准被干扰雷达的程度;

(2)干扰机实施干扰时的干扰功率;

(3)干扰实施时机的选取;

(4)信号样式以及干扰机干扰样式;

(5)被干扰雷达的体制和抗干扰措施等;

(6)环境因素，包括电磁环境、气象环境以及地理环境等。

由于测量困难、难以量化、可能导致评估模型非常复杂等原因，并不能将上述所有因素都作为评估指标，需要有重点地选择确定相对完备的评估指标集。本着指标易于测量计算和指标体系相对完备的准则，本文选取的评估指标集包括干扰频率、干扰功率、环境因素、干扰时机和干扰样式等评估指标。

(1)干扰频率

频率因素是干扰机能否成功干扰的重要因素，通过干扰机的干扰频率瞄准被干扰雷达频率的程度来衡量。瞄准程度即干扰频率覆盖雷达频率的程度。干扰机的干扰频率覆盖雷达频率的范围越大，雷达接收的干扰能量越多，干扰机对雷达的干扰效果就越好，反之则干扰效果越差。频率瞄准程度计算公式为:

其中，fj1、fj2为干扰机的工作频率范围，fr1、fr2为雷达的工作频率范围，当fr2fj2时，干扰机频率完全偏离被干扰雷达频率，定义频率瞄准程度为0，显然，R介于0、1之间。

(2)干扰功率

功率因素是雷达对抗中的关键，大的干扰功率可以带来好的干扰效果。干扰功率对干扰效果的影响可以用功率压制效益系数Ep来评价，其定义为:

其中，Pj表示雷达能接收到的干扰信号功率(W),Ps表示目标回波功率(W),Kj表示雷达正常工作所需的干信比界限。

(3)环境因素

不同的电子对抗环境，对干扰效果的影响不同。脉冲信号流描述了电子对抗信号环境的基本特征，雷达面临的电子对抗环境可以用它能够接收到的信号流密度来衡量。可将环境因素Eh定义为:

其中，ρ表示信号流密度(万个脉冲/s)。

(4)干扰时机

为了达到理想的干扰效果，干扰时机的选择至关重要。压制时间效益函数Et表示在雷达威胁时间内，干扰机对雷达能有效干扰的时间段对干扰效果的影响程度，可以用来评价干扰时机。其计算方法为:

其中，ω(t)为权重值，且;E(t)是雷达在各时段的威胁程度函数。

(5)干扰样式

要想获得较好的干扰效果，必须选择与雷达体制相匹配的干扰样式。可以用干扰得益表示干扰样式对干扰效果的影响程度。如式(5)所示，为瞄准、距离拖引、点式箔条干扰三种干扰措施和频率捷变、抗拖距、PD三种抗干扰措施的干扰得益矩阵。

当采用其他的干扰和抗干扰措施时，根据需要对得益矩阵进行相应修改。

2 组合分类算法

2.1 集成学习

由于数据的多样性和实际应用的复杂性，单一分类器很难取得较好的效果。因此，在过去的十几年里，机器学习领域的专家学者们对多种分类器的组合即集成学习进行了广泛深入的研究。集成学习已经成为当前机器学习领域的主要研究方向之一。

集成学习是一种机器学习范式，其基本思想是通过迭代调用单一学习算法，获得不同的基分类器，按照一定的规则组合基分类器解决同一问题。通过组合多个分类器，有可能减少单个分类器在求解问题时的误差，获得对问题空间模型更加准确的表示，从而可以提高组合分类器的分类准确性。常见的组合多个基分类器的方法有Boosting算法和Bagging算法等。

2.2 AdaBoost算法

Ada Boost算法[8]是最常用的Boosting算法。Ada Boost算法的核心思想是在同一个训练样本集下，训练不同的弱分类器，然后把这些弱分类器按照一定的规则组合起来，最终得到一个强分类器。Ada Boost算法是通过改变训练样本集中的样本分布来实现的，通过调整训练样本集中每个样本的权值来获得每次迭代时不同的样本分布。训练样本集中样本的初始权值相同，在此样本分布下训练得到一个基分类器。对于训练样本集中的某个样本，如果其被错误分类，则增加该样本的权值，如果其被正确分类，则降低该样本的权值。因此，训练样本集中被错分的样本的权值就会变大，当再次对得到的新的训练样本分布进行训练时，就会对上一次训练过程中错分类的样本重点关注，得到一个新的基分类器。在经过T次循环后，可以得到T个基分类器，把这T个基分类器按照一定的权重进行叠加，就可以得到最终的组合分类器。

3 基于AdaBoost组合分类模型的评估方法

3.1 实验样本获取

实战中的雷达干扰效果数据很难获取，为了满足实验需求，本文采用仿真的方法生成实验样本数据。

通过对本文第2节中选取的影响雷达干扰效果的因素及其计算公式分析，不难发现各因素的取值范围均在0、1之间。为此，除干扰样式数据从干扰得益矩阵中随机选择生成外，干扰频率、干扰功率、环境因素和干扰时机均采用仿真生成0、1之间随机数的方式得到。

实验样本不仅要有干扰因素数据，还需要样本的类别信息。为此，采用文献[3]中的模糊综合评估方法及其权重向量对生成的各干扰因素数据进行综合评价，并根据表1设计的雷达干扰效果评价集对干扰效果进行分类。

本文将干扰效果分为“差”、“中”、“好”三个等级。对于三个干扰效果等级，分别仿真生成200组样本，共生成600组实验样本集。部分实验样本数据如表2所示。

3.2 样本数据分组

为了训练和检验雷达干扰效果评估模型，需要对生成的实验样本数据进行分组。如果训练或测试样本集中某一类干扰效果样本的比例过大，将会造成在训练或测试时对该类干扰效果的倾向性，为此，必须保证各类干扰效果在训练和测试样本集中的样本所占比例一致。

从干扰效果“差”样本中有放回地随机抽取三组容量为100的样本数据，作为效果“差”样本集1-3。按照同样的方法，分别从干扰效果“中”和干扰效果“好”两类样本中抽取生成效果“中”样本集1-3和效果“好”样本集1-3。效果“差”样本集1、效果“中”样本集1和效果“好”样本集1组成训练样本集，其他几组样本集采用交叉组合的方式，组成检验样本集集合。从检验样本集集合中选择四组样本数据，分别标记为检验样本集1-4，用于对分类模型性能进行检验。同训练样本集一样，每个检验样本集的样本容量均为300，并且各类干扰效果的样本数量均是100。具体分组方法如图1所示。

3.3 AdaBoost组合分类模型参数设置

本文采用Ada Boost.M1算法训练组合分类模型，RBF神经网络作为基分类模型，利用数据挖掘工具Weka[9]对组合分类模型进行训练，并用检验样本集1对模型结果进行检验，从而确定基分类模型数量。如图2所示，为实验得到的不同基分类模型数量与组合分类模型分类准确性的关系图。当基分类模型数量过少时，体现不出组合分类的优势，分类准确性较低，但也并不是基分类模型数量越多越好，主要是由于较多的基分类模型会带来计算量的增大，计算时间延长，分类效率降低。最终，将基分类模型数量确定为15个，此时组合分类模型可以达到96%的分类准确性。

3.4 AdaBoost组合分类模型应用

在基分类模型数量确定后，按照15个基分类模型对AdaBoost组合分类模型进行训练，并采用检验样本集1-4对组合分类模型进行测试，得到如表3所示的测试结果。

由表3可知，本文设计的基于RBF神经网络和Ada Boost M1算法的组合分类模型，对于检验样本集1-4的分类准确性都比较理想，达到了90%以上。由此可见，Ada Boost组合分类算法可以应用于雷达干扰效果评估，并能取得较好的效果。

4 结语

本文将机器学习领域的分类思想用于雷达干扰效果评估中，提出了一种基于Ada Boost组合分类模型的雷达干扰效果评估方法。首先对影响雷达干扰效果的因素进行了分析，并按照一定原则选取雷达干扰效果评估指标集，给出了各指标测量计算方法。其次，将雷达干扰效果评估问题转化为多分类问题，以RBF神经网络作为基分类模型，采用Ada Boost M1算法对组合分类模型进行训练。最终，采用仿真实验的方法对模型进行了验证。实验结果证明，组合分类技术应用于雷达干扰效果评估，能够取得较好的分类效果。本文的研究为雷达干扰效果评估提供了一种新的思路。

参考文献

[1]Shen Guiming,Zhu Weihua.Quantitative testing research of surveillance radar anti-jamming performance[C]//CIE International Conference of Radar Proceedings,2001:255 259.

[2]魏保华,吕晓雯,王雪松,等.雷达干扰效果模糊综合评估方法研究[J].系统工程与电子技术,2000,22(8):68 71.

[3]王国玉,汪连栋,王国良,等.雷达电子战系统数学仿真与评估[M].北京:国防工业出版社,2004.

[4]Jiang Shouda,Lin Lianlei.Use support vector machine to evaluate the operational effectiveness of radar jammer[C]//Second International Conference onInnovative Computing,Information and Control(ICICIC2007).Kumamoto,Japan,September 5 7,2007.

[5]李亚军,刘晓霞,陈平.改进的AdaBoost算法与SVM的组合分类器[J].计算机工程与应用,2008,44(32):140 142.

[6]李斌.基于多组合分类器的高光谱图像识别技术研究[D].北京:中国地质大学,2008.

[7]袁泉.Adaboost组合分类模型在信用评估领域研究[D].哈尔滨:哈尔滨工业大学,2011.

[8]Freund,Schapire.Experiments with a new boosting algorithm[C]//Proceedings of the thirteenth international Conference.Bari,Italy:Morgan Kaufmann,1996:148 156.