一种基于知识图谱的雷达干扰决策方法

1.本发明属于雷达干扰技术领域，具体地说是涉及一种基于知识图谱的雷达干扰决策方法。


背景技术：

2.随着电磁领域的不断发展，现代战争逐渐变成电磁之间的争夺战。而随着雷达的作用越来越重要，针对雷达的干扰措施也成为电子对抗领域中的十分重要一环。传统的干扰大多是根据实时接收到的雷达数据进行分析并结合干扰策略库进行干扰决策，这种数据驱动的干扰决策算法对数据的要求高且只能在对方雷达设备使用已经记录过的参数时实施有效干扰。并且由于现代电子战的参战双方投入了越来越多的雷达和干扰装备，在实际战场中的雷达干扰决策很容易面临组合爆炸的问题，利用传统的手段已经很难在短时间内对庞大的目标集体准确地制定干扰方案。


技术实现要素：

3.针对上述问题，本发明提出了一种基于知识图谱的雷达干扰决策方法。
4.本发明的技术方案是：
5.一种基于知识图谱的雷达干扰决策方法，其特征在于，包括以下步骤：
6.s1、对截获的雷达信号进行分类识别后，判断类别是否已知，若已知，则构建三元组结构《xx雷达名称，指纹特征，特征向量rk》(其中雷达名称为头实体head，指纹特征为关系relation，特征向量为尾实体tail，因此该三元组结构就形成了一个事实——xx雷达的指纹特征为特征向量rk)；否则，若类别为“未知雷达”，构建三元组结构《自动命名xx，指纹特征，特征向量r
unk
》，其中自动命名基于设定的命名规则进行；
7.s2、利用雷达知识图谱对s1中构建的三元组结构进行匹配，所述雷达知识图谱中的雷达实体包括雷达实体名称、雷达指纹特征向量和其他相关信息，如地理位置、所搭载平台等，同时雷达实体名称关联雷达指纹特征向量；
8.类别已知的三元组《雷达名称，指纹特征，特征向量rk》通过雷达名称直接进行匹配；
9.类别未知的三元组《自动命名，指纹特征，特征向量r
unk
》通过指纹特征进行匹配，具体为利用得到的指纹特征向量r
unk
与图谱内已有雷达的指纹特征向量r进行相关性分析，得到相关性系数ρ：
[0010][0011]
其中，n是指纹特征向量中元素的个数，ri是r中第i个元素，r是特征向量r的均值，r
unki
是r
unk
中第i个元素，是特征向量r
unk
的均值；
[0012]
通过判断ρ≥t是否成立来判断匹配是否成功，t是设定的相似度阈值；
[0013]
根据匹配的结果和知识图谱中雷达实体关联的相关信息，如该雷达搭载的平台p、
出现过的地点a、历史受扰情况jg、受过的干扰信号s、曾经一同出现的雷达r等，并对得到的雷达信息进行知识推理得到一些补充信息，然后基于得到的知识进行威胁等级评估，再用于干扰决策。对于匹配失败的雷达，将该部雷达的雷达指纹特征向量和其他相关信息进行入库，实现知识图谱的更新，再利用传统方法通过截获的雷达信息和辐射源位置信息进行威胁等级评估；
[0014]
s3、利用得到的威胁等级评估结果进行干扰决策，同时利用作出的干扰决策对知识图谱进行更新。
[0015]
传统的干扰大多是根据实时接收到的雷达数据进行分析并结合干扰策略库进行干扰决策，这种数据驱动的干扰决策算法对数据的要求高且只能在对方雷达设备使用已经记录过的参数时实施有效干扰。本发明在传统方法之上利用知识图谱来进行干扰决策，该方法能够充分挖掘雷达的相关历史信息并更新相应的知识库。
附图说明
[0016]
图1为雷达干扰决策的流程图。
[0017]
图2为干扰策略表。
[0018]
图3为雷达被干扰之后的状态转变图。
[0019]
图4为雷达干扰决策的结果。
具体实施方式
[0020]
下面结合附图及仿真示例，详细描述本发明的技术方案：
[0021]
本发明分为三部分，分别为雷达个体识别，知识图谱分析并进行威胁等级评估，干扰样式选择。首先对个体进行识别，并构建《雷达名称，指纹特征，特征向量rk》或《自动命名，指纹特征，特征向量r
unk
》的三元组。然后进行知识图谱分析，如果该个体识别为已知类别，则在知识库中进行名称匹配；如果不属于已知类别，则提取雷达的指纹特征进行特征匹配。如果名称匹配或特征匹配成功，则利用知识推理来获取信息，再进行威胁等级评估；若特征匹配不成功，则将三元组进行入库操作并更新知识图谱后，利用传统方法进行威胁等级评估。经过威胁等级评估后，最后进行干扰样式选择并对知识图谱进行更新。
[0022]
如图1所示，本发明的具体方法为：
[0023]
s1、雷达个体识别
[0024]
在战场环境中，通常可以获得的信息有截获的雷达信号与雷达搭载平台的位置信息，如移动速度v、与我方的作用距离l等。对于截获的雷达信号可以采用雷达辐射源个体识别的方法进行分类识别分析，且对已知和未知雷达辐射源个体分开来讨论。对于已知的雷达辐射源，在得到该个体名称的同时保存能够代表其个体的指纹特征向量rk＝[r1,r2,
…
,rn]；对于未知类别的雷达在完成个体识别后，将其划分为未知类，可按当前识别的时间和顺序进行命名，如2022022202表示2022年2月22日识别的第二部未知雷达，并保存其指纹特征向量r
unk
＝[r1,r2,
…
,rn]。
[0025]
对于已知的雷达辐射源，基于知识图谱三元组的结构《雷达名称，指纹特征，特征向量rk》来描述雷达特征；如果该雷达不属于已知类别，则对该雷达进行自动命名，形成三元组《自动命名，指纹特征，特征向量r
unk
》。
[0026]
s2、知识图谱分析
[0027]
在知识图谱中，雷达相关知识领域不仅有其实体名称，还对特定的雷达实体关联了雷达指纹特征向量。因此可根据雷达名称和其指纹特征向量来找出图谱内与其对应的雷达实体，并快速检索出与该雷达关联的搭载平台p、历史受扰情况jg、出现过的地点a等信息。对于只有指纹特征向量的未知雷达，可利用自身的指纹特征向量与图谱内已有雷达的指纹特征向量rs＝[r
s1
,r
s2
,
…
,r
sn
]进行相关性分析，可计算出二者的相关性系数ρ，如式(1)所示。
[0028][0029]
相关性系数ρ取值范围为[-1,1]，系数ρ绝对值越大，二者的相似度越高。因此，设置相似度阈值t，若ρ≥t，则雷达匹配成功；相反，则雷达匹配失败。对于采用特征向量匹配失败的雷达，需要按《雷达名称,指纹特征,r》这样的三元组形式存储在知识图谱中，实现知识图谱的更新。
[0030]
s3、威胁等级评估
[0031]
当雷达辐射源基于知识图谱进行匹配后，匹配成功的则进行推理过程，快速检索出与当前雷达相关的知识，如雷达搭载的平台p、受过的干扰信号s、曾经一同出现的雷达r等信息，基于这些推理得到的信息进一步进行威胁等级评估，辅助干扰决策。对于匹配失败的雷达，只能依据截获的雷达信号和辐射源的位置信息进行威胁等级评估。
[0032]
根据目标雷达的特点和其他影响雷达威胁等级的因素，对威胁等级进行定量和定性评价，雷达威胁等级评估模型如式(2)所示。
[0033][0034]
式中，wi∈[0,1]为第i个雷达的威胁等级，e
ij
为第i个雷达的第j个影响因子，ωj是当前影响因子对应的权重。本发明将选取三个影响雷达威胁等级的影响因子。
[0035]
a.雷达搭载平台速度e
i1
[0036]
辐射源平台移动速度越快，则对其拦截成功机率越低，因而对我方的威胁越大，平台速度影响因子如式(3)所示。
[0037][0038]
式中，vi是第i部雷达所搭载的平台速度，v
min
和v
max
分别是平台移动的最小和最大速度。
[0039]
b.与雷达的作用距离e
i2
[0040]
通常雷达辐射源离我方越近，对我方的威胁就越大，则与雷达的作用距离影响因子如式(4)所示。
[0041][0042]
式中，li是第i部雷达所搭载的平台到我方的作用距离，l
max
是所侦察的目标雷达距我方最远的距离。
[0043]
c.雷达的搭载平台e
i3
[0044]
雷达在不同作战平台、执行不同任务时对我方的威胁等级是不同的。通常，雷达搭载在如导弹、战机等高威胁平台并执行紧急重要任务时，其对应的影响因子值越高；相反，则影响因子值越低。此外，雷达搭载在同一平台但执行不同任务时，其对应的影响因子值随着任务的不同而不同。同样，若雷达执行相同任务但搭载在不同平台时，其对应的影响因子值会随着该平台威胁度的不同而不同。本发明这里仅给出该影响因子的取值范围e
i3
∈[0,1]，具体可根据实际所需对应设置固定值。
[0045]
不同的影响因子对雷达的威胁等级评估起着不同程度的贡献，本发明根据每个影响因子设置了对应的权重，如表1所示。
[0046]
表1雷达威胁等级影响因子权重
[0047][0048]
根据上述雷达威胁等级影响因子并结合知识图谱的推理结果可以对雷达可能搭载的平台上其他雷达辐射源进行威胁等级计算，进一步来评估当前雷达的威胁等级如式(5)所示。
[0049]
w＝max{wi|i＝1,2,
…
,n}
ꢀꢀ
(5)
[0050]
式中，n表示平台上所有雷达的数量。
[0051]
s4、干扰样式选择
[0052]
凭借多年来电子对抗中的经验，根据已有的数据信息建立了一种干扰库，主要由雷达信息库和干扰样式库(干扰样式和干扰参数)所组成的。其中，雷达库记录了雷达在其某工作模式下的工作参数范围，干扰样式库记录了针对某部雷达在不同工作方式下所实施的干扰，具体样式如表2所示。
[0053]
表2干扰库示例
[0054][0055]
因此，当完成雷达威胁等级评估后，根据干扰库的参考表j
l
和基于知识图谱中提供的受扰情况jg后，发射最佳的干扰样式j＝[j
l
,jg]。同时，将此次发射的干扰信息进一步
补充至知识图谱中，使得雷达领域知识更加丰富和详细。
[0056]
仿真示例
[0057]
根据截获的雷达信号信息以及其他来源的综合情报信息，本发明通过基于知识图谱的方法希望在第一次实施干扰后能够对敌方实施精准有效打击。但电子对抗是一个动态博弈的过程，为了应对这样的情况，需要建立一个完善的雷达干扰决策系统，即在第一轮实施干扰后需要准备后续的对抗措施。为了模拟雷达干扰决策的动态过程，本发明进行了雷达干扰决策的仿真实验，首先建立了一个干扰策略表，如图2所示。
[0058]
仿真开始后，开始对雷达方实施干扰决策，雷达方当前的状态s、受到的干扰样式、雷达方受扰转变后的状态s
′
等信息在不断更新，具体如图3所示。
[0059]
当雷达辐射源目标的状态被干扰到威胁等级最低的状态后，此时认为我方实施的干扰有效，那么将停止干扰动作。整个对抗结果，包括雷达的状态转移过程以及我方对应实施的干扰，如图4所示。