开云优惠体育网页版入口

专利名称：一种基于MAB算法的掩护脉冲设计方法

专利类型：发明专利

专利申请号：CN202411368842.2

专利申请（专利权）人：江南机电设计研究所
权利人地址：贵州省贵阳市小河区红河路7号贵阳航天工业园区

专利发明（设计）人：杨洪飞,龙永松,刘玉祥,谢荣,朱鸿宇,孙玉雯,黄泽琛

专利摘要：本发明公开了一种基于MAB算法的掩护脉冲设计方法，包括以下步骤：确定探测信号和掩护信号的频率范围；确定输入参数；加载MAB决策模型和收益函数，MAB决策模型用于循环调用分布函数获取脉冲宽度#imgabs0#，作为掩护信号脉宽发射，获得信号检测结果，根据信号检测结果优化分布函数的分布参数；调用MAB决策模型，循环获取脉冲宽度#imgabs1#，优化分布函数的分布参数，构成优化MAB决策模型。根据上述技术方案，构建MAB决策模型，在每次生成掩护信号脉宽进行发射、与环境的交互过程中，不断进行模型自学习，优化模型参数，构建渐优掩护信号脉宽发射策略，使雷达能够在与IFM干扰机对抗过程中降低被截获的概率，同时最大化探测概率。

主权利要求：
1.一种基于MAB算法的掩护脉冲设计方法，其特征在于，包括以下步骤：确定探测信号和掩护信号的频率范围；
确定输入参数包括：能选择的脉宽数量、探测频率和掩护频率；
加载MAB决策模型和收益函数，所述MAB决策模型用于循环调用分布函数获取脉冲宽度tc，以所述脉冲宽度tc作为掩护信号脉宽发射，获得信号检测结果，根据所述信号检测结果优化所述分布函数的分布参数；所述收益函数用于计算所述脉冲宽度tc对应的收益；
调用所述MAB决策模型，循环获取所述脉冲宽度tc，优化分布函数的分布参数，构成优化MAB决策模型；
其中，加载MAB决策模型前，构建所述MAB决策模型，包括：定义雷达动作集，表示为， i＝0,1,2,…,N?1，其中，Tc为脉冲的最大脉宽、为脉冲宽度、i为每次动作序号、N为动作数量最大值；
定义分布函数，所述分布函数用于生成随机数，表示为： 其中，为所述分布函数的分布参数，表示第t个脉冲重复周期中第i个动作脉冲的参数；
根据所述随机数中最大值随机数形成的掩护脉冲进行发射的结果，实现分布函数的优化；
其中，所述分布函数的优化根据所述随机数中最大值随机数实现，包括：步骤S123：通过所述分布函数获取每个动作对应的随机数；
步骤S124：从所述每个动作对应的随机数中，提取最大随机数；
步骤S125：提取所述最大随机数对的动作，作为脉冲宽度tc，作为掩护脉冲脉宽并发射，表示为： 其中，θi为步骤S124中第i个动作所对应的随机数；
步骤S126：接收回波信号，判断是否检测到目标；
步骤S127：根据目标检测结果构建收益计算体系，从所述收益计算体系获取收益值rt，实现分布函数优化；
判断是否中止优化，如果不中止优化，重新执行步骤S123。
2.根据权利要求1所述的掩护脉冲设计方法，其特征在于，所述探测信号和掩护信号的频率范围定义为：|F?F'|>B，其中，F为雷达探测信号的中心频率，F'为掩护脉冲的中心频率，B为干扰信号的带宽。
3.根据权利要求1所述的掩护脉冲设计方法，其特征在于，加载MAB决策模型时，初始化所述分布函数的分布参数，表示为：
4.根据权利要求3所述的掩护脉冲设计方法，其特征在于，所述构建收益计算体系通过收益函数实现，所述收益函数表示为：其中，rt为雷达目标探测结果获得收益。
5.根据权利要求4所述的掩护脉冲设计方法，其特征在于，所述分布函数优化的方法为：如果所述收益值为1，更新分布函数的分布参数的方法为：其中， 为第t个脉冲重复周期中
第i个动作脉冲的参数；
否则，更新分布函数的分布参数的方法为： 其中，γ为折扣因子，且：γ<1。
6.根据权利要求1所述的掩护脉冲设计方法，其特征在于，所述定义雷达动作集时，控制所述脉冲宽度tc与探测信号脉宽td之和为定值，表示为：tc+td＝ttotal，其中，ttotal为掩护信号脉宽与探测信号脉宽所能达到的最大值。 说明书 : 一种基于MAB算法的掩护脉冲设计方法技术领域[0001] 本发明涉及雷达抗干扰技术领域，具体而言，涉及一种基于MAB算法的掩护脉冲设计方法。背景技术[0002] 在雷达抗干扰的技术中，频率捷变雷达通过在相邻脉冲间改变载波频率，使干扰机难以在频率上对准，相较于传统固定载频脉冲多普勒雷达，具有抗有源压制式干扰的性能优势。然而，随着瞬时测频技术（instantaneousfrequencymeasurement，IFM）技术的发展，干扰机能够完成对所接收到的雷达信号载波频率进行快速测量，实现脉内压制干扰，使雷达频率捷变失效。[0003] 针对此问题，使用射频掩护技术来是对抗IFM干扰机。射频掩护技术通过发射一个与探测信号频率相差较大的掩护信号，此时干扰机对脉冲前沿进行采样测频后，测出的信号频率为前沿的掩护信号频率，而未能测量真实信号频率，从而实现对雷达探测信号的掩护。该技术实现简单、抗干扰性能优异，射频掩护技术在雷达抗干扰领域得到广泛应用。实际应用中，典型的侦察机通过截获雷达信号，对信号进行分选测量，确定脉冲信号的脉宽、载频、到达角、到达时间、脉冲重复间隔等，围绕这几维参数的测量，生成射频掩护信号以实现对抗侦察接收机。[0004] 然而，现有的射频掩护技术大多采用固定的掩护信号脉宽，当干扰方的策略和环境发生改变时，如果不能及时调整掩护信号脉宽，将使射频掩护抗干扰的效果极具下降。因此，需要一种掩护脉冲设计方案，可以实现根据实际情况，及时调整掩护信号脉宽，生成有效射频掩护信号。发明内容[0005] 为实现上述目的，本申请提供了一种基于MAB算法的掩护脉冲设计方法，包括以下步骤：[0006] 确定探测信号和掩护信号的频率范围；[0007] 确定输入参数包括：能选择的脉宽数量、探测频率和掩护频率；[0008] 加载MAB决策模型和收益函数，MAB决策模型用于循环调用分布函数，获取脉冲宽度 ，以所述脉冲宽度 作为掩护信号脉宽发射，获得信号检测结果，根据所述信号检测结果优化所述分布函数的分布参数；所述收益函数用于计算所述脉冲宽度 对应的收益；[0009] 调用所述MAB决策模型，循环获取所述脉冲宽度 ，优化分布函数的分布参数，构成优化MAB决策模型。[0010] 其中，探测信号和掩护信号的频率范围定义为： ，其中，F为雷达探测信号的中心频率， 为掩护脉冲的中心频率，B为干扰信号的带宽。[0011] 其中，加载MAB决策模型前，构建所述MAB决策模型，包括：[0012] 定义雷达动作集，表示为， ，其中， 为脉冲的最大脉宽、 为脉冲宽度、为每次动作序号、 为动作数量最大值；[0013] 定义分布函数，所述分布函数用于生成随机数，表示为： ，其中， 、为分布函数的分布参数，表示第t个脉冲重复周期中第 个动作脉冲的参数；[0014] 根据随机数中最大值随机数形成的掩护脉冲进行发射的结果，实现分布函数的优化。[0015] 其中，加载MAB决策模型时，初始化分布函数的分布参数，表示为：[0016][0017] 进一步的，根据随机数中最大值随机数实现分布函数的优化包括：[0018] 步骤S123：通过分布函数获取每个动作对应的随机数；[0019] 步骤S124：从每个动作对应的随机数中，提取最大随机数；[0020] 步骤S125：提取最大随机数对的动作，作为脉冲宽度 ，作为掩护脉冲脉宽并发射，表示为： ，其中， 为步骤S124中第i个动作所对应的随机数；[0021] 步骤S126：接收回波信号，判断是否检测到目标；[0022] 步骤S127：根据目标检测结果构建收益计算体系，从收益计算体系获取收益值 ，实现分布函数优化；[0023] 判断是否中止优化，如果不中止优化，重新执行步骤S123。[0024] 其中，构建收益计算体系通过收益函数实现，收益函数表示为：[0025] ，其中， 为雷达目标探测结果获得收益。[0026] 进一步的，分布函数优化的方法为：[0027] 如果所述收益值为1，更新分布函数的分布参数的方法为：[0028] ， ,其中， 、 为第 个脉冲重复周期中第 个动作脉冲的参数；[0029] 否则，更新分布函数的分布参数的方法为： ， ，其中，为折扣因子，且： 。[0030] 进一步的，定义雷达动作集时，控制所述脉冲宽度 与探测信号脉宽 之和为定值，表示为：[0031] ，其中， 为掩护信号脉宽与探测信号脉宽所能达到的最大值。[0032] 根据本发明，在雷达系统中加入多臂赌博机模型作为MAB决策模型，MAB决策模型在每次生成掩护信号脉宽进行发射、与环境的交互过程中，不断进行模型自学习，优化模型参数，构建渐优掩护信号脉宽发射策略，使雷达能够在与IFM干扰对抗过程中降低被截获的概率，同时最大化探测概率。附图说明[0033] 图1是根据本发明实施例提供的掩护脉冲设计方法步骤图；[0034] 图2是根据本发明实施例提供的仿真逻辑示意图；[0035] 图3是根据本发明实施例提供的平衡环境固定策略下雷达的累计收益值；[0036] 图4为本发明实施例提供的非平稳环境下雷达的累计收益值；[0037] 图5为本发明实施例提供的非平稳环境下雷达的累计收益值。具体实施方式[0038] 本发明提供了一种基于MAB算法（多臂赌博机算法）的掩护脉冲设计方法，在雷达系统中加入多臂赌博机模型作为MAB决策模型，MAB决策模型在每次生成掩护信号脉宽进行发射、与环境的交互过程中，不断进行模型自学习，优化模型参数，构建渐优掩护信号脉宽发射策略，使雷达能够在与IFM干扰对抗过程中降低被截获的概率，同时最大化探测概率。[0039] 下面结合说明书附图对本发明的具体实现方式做详细描述。[0040] 本发明提出的基于MAB算法的掩护脉冲设计方法的实现过程如图1所示，包括以下步骤：[0041] 步骤S100：确定探测信号和掩护信号的频率范围；[0042] 由于射频掩护脉冲技术的原理，发射的掩护脉冲与探测信号频率相差较大时可以此实现抗干扰。在本步骤中，划定掩护信号与真实信号的频带分布，定义为： ，其中，F为雷达探测信号的中心频率， 为掩护脉冲的中心频率，B为干扰信号的带宽。[0043] 步骤S110：确定的输入参数包括：能选择的脉宽数量、探测频率和掩护频率；其中，探测频率和掩护频率用于MAB决策模型中向干涉机发送信号，能选择的脉宽数量可影响MAB决策模型的收敛速度。[0044] 步骤S120：加载MAB决策模型和收益函数，MAB决策模型中，循环调用分布函数，获取脉冲宽度 ，以所述脉冲宽度 作为掩护信号脉宽发射，获得信号检测结果，并根据所述信号检测结果优化所述分布函数的分布参数，实现MAB决策模型优化；[0045] 收益函数用于计算脉冲宽度 对应的收益值，确定分布函数的分布参数的优化策略。[0046] 具体应用中，加载MAB决策模型前，构建所述MAB决策模型。[0047] 步骤S121：构建所述MAB决策模型，包括：[0048] 1）定义雷达动作集，表示为， ，其中， 为脉冲的最大脉宽、 为脉冲宽度、为每次动作序号、 为动作数量最大值。[0049] 为保证雷达正常工作，需要约束掩护脉冲最大脉宽，以保证掩护信号脉宽和探测信号脉宽之和为一定值，因此定义雷达动作集时，需要控制脉冲宽度 与探测信号脉宽之和为雷达系统固有参数定值，表示为：[0050] ，其中， 为掩护信号脉宽与探测信号脉宽所能达到的最大值。[0051] 2）定义分布函数，表示为： ，其中， 、 为所述分布函数的分布参数，表示第t个脉冲重复周期中第个动作脉冲的参数；[0052] 根据每个动作的分布函数可生成随机数，并选取最大随机数对应的动作，作为掩护脉冲；并后续根据所述随机数中最大值随机数形成的掩护脉冲进行发射，识别发射结果，实现分布函数的优化。[0053] 对掩护脉冲 ，根据该动作的参数从分布 中随机采样出对应的随机数 ；从所有动作产生的随机数中选取最大随机数，提取对应的动作作为上述掩护脉冲的脉宽，可表示为： 。[0054] 从参数分布中采样出 时，采用汤普森采样（Thompsonsampling，TS）方法，基于贝叶斯思想，用动作的概率分布表达脉宽选择的不确定性，根据每个分布中采样获得随机数。[0055] 在后续应用中，确定最大随机数对应的动作 为掩护脉冲脉宽。[0056] 所述方法利用第i?1次交互的先验知识，逐步探索动作第i次交互的分布函数，在避免马太效应的同时，提高计算效率。[0057] 步骤S122：加载MAB决策模型时，初始化分布函数的分布参数 和 ，即第一次学习时的参数，表示为：[0058] 后续在MAB决策模型调用过程中，循环获取脉冲宽度 ，优化分布函数的分布参数。[0059] 实现分布函数的优化的过程包括：[0060] 步骤S123：通过分布函数获取每个动作对应的随机数；[0061] 根据每一个动作 的参数 、 ，从分布 中采样出一个随机数 ；[0062] 步骤S124：从每个动作对应的随机数中，提取最大随机数；[0063] 步骤S125：提取最大随机数对的动作为脉冲宽度 ，作为掩护脉冲脉宽，结合探测频率和掩护频率进行发射；[0064] 掩护脉冲脉宽表示为： ；[0065] 步骤S126：接收回波信号，判断是否检测到目标；[0066] 在本步骤中，针对接收回波信号进行下变频、脉冲压缩、恒虚警检测等处理操作，获得信号检测结果。[0067] 步骤S127：根据目标检测结果构建收益计算体系，进行分布函数的优化；[0068] 其中，构建收益计算体系通过收益函数实现，收益函数表示为：[0069] ，其中， 为雷达目标探测结果获得收益。[0070] 即，若检测到目标则该动作的收益值 为1，否则为0；[0071] 分布函数优化根据收益值 完成，具体包括：如果收益值为1，调整分布函数的分布参数，体现为 递增、 递减，提高在下轮调用时被选中概率，计算方法为：[0072] ， ,其中， 、 为第 个脉冲重复周期中第 个动作脉冲的参数；[0073] 如果收益值为0，即 ，此时调整分布函数的分布参数，体现为 、 按折扣因子调整，降低在下轮调用时被选中概率，计算方法为：[0074] ， ，其中，为折扣因子，且： 。[0075] 在模型中，雷达的每个动作 等效为多臂赌博机模型中的一个臂，每个动作的初始化Beta分布参数在雷达与干扰机的交互过程中，由于干扰机的侦察窗长度可能发生变化，导致最优策略发生变化，因此引入折扣因子 ，降低以往经验的权重，提高雷达适应能力。[0076] 根据MAB决策模型的自训练过程，步骤S127完成后，再次执行步骤S123，在此过程中，不断优化分布函数的分布参数，并在每一轮循环过程中，获取脉冲宽度 作为掩护脉冲脉宽发射；每轮的发射过程中可能产生收益值为0的掩护脉冲脉宽，为应用过程中可以接受的缺陷；在产生缺陷时，降低分布函数的分布参数，减少该掩护脉冲脉宽在下轮调用时该动作被选择中的机率，提高优势分布参数在下轮调用时被选中概率，即可通过在线学习，得到掩护信号脉宽发射策略，使雷达能够在与IFM干扰机对抗过程中降低被截获的概率，同时最大化探测概率。[0077] 每次迭代过程中，判断是否中止优化；可根据支持脉冲重复周期的数量t判断是否中止，也支持其他的状态，例如迭代时机等因素进行判断。如果不中止优化，则重新执行步骤S123。[0078] 步骤S130：在步骤S123至步骤S127的过程中，不断优化分布函数的分布参数，构成渐优的MAB决策模型；在本发明提供的掩护脉冲设计方法中，通过在应用环境中对MAB决策模型的不断使用和优化，提高掩护的成功概率，增强雷达在复杂电磁环境下的目标稳健探测能力。[0079] 在一段时间内，执行步骤S123至步骤S127的过程中产生的收益值 之和构成累计收益值，累计收益值的趋势可直观地体现出MAB决策模型的优化结果。[0080] 本发明提供了具体的仿真试验，具体逻辑如图2所示，仿真试验内容包括：[0081] (1)确定仿真条件：假设雷达系统固有参数定值 为10.5 ，即掩护信号脉宽与探测信号脉宽 之和为10.5 ，掩护脉冲的最大脉宽为10 ，可选择的掩护信号脉宽个数为20个；雷达与干扰机的虚警概率均为 。当雷达未被干扰机干扰时，雷达接收信号的信噪比 ，当雷达被干扰机干扰时，信噪比为0dB。当干扰机侦察窗长度 大于掩护信号脉宽 时，干扰机接收到雷达探测信号的信噪比，当干扰机侦察窗长度 小于掩护信号脉宽时，干扰机无法检测到雷达的探测信号。[0082] 在后续实验中，对比分析掩护信号脉宽固定策略（简称Fix）、掩护信号脉宽随机选择策略（简称Rand）、经典多臂赌博机算法UCB1算法（简称UCB）、EXP3算法（简称EXP3）以及本发明方法（简称DTS）的累计收益性。[0083] (2)仿真内容：[0084] 仿真实验一：仿真平稳环境下，分析掩护信号脉宽决策算法的性能：[0085] 假设干扰机的侦察窗长度 为5 ，在固定策略中 分别为2.5 和7.5 ，本发明方法的折扣因子 。[0086] 仿真实验二：假设干扰系统的侦察窗长度 随时间逐渐增加，表示为：[0087] ，侦察窗改变的周期为10000个脉冲，其他参数与仿真实验一相同。[0088] 仿真实验三：仿真非平稳环境下，分析掩护信号脉宽决策算法的性能：[0089] 假设干扰机的侦察窗长度 ，侦察窗改变的周期为10000个脉冲。其他参数与仿真实验一相同。[0090] (3)仿真结果分析：[0091] 图3提供了平衡环境固定策略下使用不同抗干扰方法的雷达累计收益值，其中201为使用本发明提供的抗干扰方法，即DTS的雷达的累计收益值；202为使用EXP3算法的雷达的累计收益值；203为使用UCB算法雷达的累计收益值；204为使用固定策略情况下的雷达累计收益值；205为使用Rand算法的雷达的累计收益值；206为使用固定策略的雷达累计收益值；[0092] 如图3所示，当策略固定为 时，由于 ，干扰机可以侦察到雷达的探测信号并进行干扰，导致射频掩护失效；当策略固定为 时，由于 ，干扰机无法侦察到雷达的探测信号，从而避免了被干扰，然而，由于掩护脉冲脉宽 过大，导致探测信号能量过低，从而影响雷达的检测概率。对比各方法可以看出，本发明方法具有最高的收益值，可有效降低雷达被干扰概率，同时保证雷达对目标的检测概率。[0093] 如图4提供了是非平稳环境下使用不同抗干扰措施的雷达累计收益值：[0094] 其中，301为本发明提供的抗干扰方法（DTS）的雷达的累计收益值；302为使用EXP3算法的雷达的累计收益值；303为使用UCB算法雷达的累计收益值；304为使用固定策略情况下的雷达累计收益值；305为使用固定策略的雷达累计收益值；306为使用Rand算法的雷达的累计收益值。[0095] 可见，固定策略难以适应环境的变化，导致对抗性能降低。[0096] 对比各方法可以看出，本发明方法对非平稳的干扰环境具有更好的适应能力，可以有效提高雷达对抗IFM干扰机的性能。[0097] 图5提供了的是非平稳环境下使用不同抗干扰措施的雷达累计收益值，其中，401为本发明提供的抗干扰方法即DTS的雷达的累计收益值；402为使用EXP3算法的雷达的累计收益值；403为使用UCB算法雷达的累计收益值；404为使用固定策略情况下的雷达累计收益值；405为使用Rand算法的雷达的累计收益值；406为使用固定策略的雷达累计收益值。[0098] 可以看出，在干扰机的侦察窗长度随机变化时，本发明方法仍能很好地适应敌方干扰环境，具有更高的收益值。因此，本发明方法对动态干扰环境具有更强的适应能力，可以实时调整掩护信号脉宽，使雷达系统尽可能地工作在最佳状态。[0099] 通过上述仿真实验可以证明，根据本发明提供的方法，通过不断与环境交互，能够学习到干扰机的变化策略，确定此刻掩护脉冲的发射策略，扩大应用场景。进一步地，基于MAB算法通过选择概率确定掩护信号脉宽，能够增加掩护信号的随机性，增强抗干扰的效果。[0100] 以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

专利地区：贵州

专利申请日期：2024-09-29

专利公开日期：2024-11-29

专利公告号：CN118886340B