一种干扰意图推理方法、存储介质及设备

本发明涉及雷达抗干扰，特别涉及一种干扰意图推理方法、存储介质及设备。

背景技术：

1、雷达在现代战争中不可或缺，针对雷达的干扰手段层出不穷，雷达与干扰方的博弈对抗愈演愈烈。在雷达和干扰的博弈对抗中，干扰方处于主动地位，针对雷达采用各种干扰手段和措施，尽最大可能影响甚至瘫痪雷达的正常目标探测。而雷达在博弈中处于相对被动的地位，需要尽可能避免或降低干扰的影响。如果能够获取干扰方尽可能丰富的信息，如干扰的行为和意图信息，将极大提升雷达在对抗中的主动性，使得雷达对欺骗干扰的对抗更有针对性，从而提升雷达的认知对抗能力。

2、干扰对抗过程中，干扰机为了达到某种干扰意图，需要采取一系列干扰行为，具体表现为发射不同样式和调制的干扰信号。其中，干扰行为与干扰样式之间具有较强的对应关系，可通过干扰样式识别结果辨识干扰行为。但是目前雷达方无法得到敌方电子战专家直接的干扰意图，只能通过可观测的干扰行为的变化或其它的观测参数来推断敌方隐藏的实际意图，由于同一干扰意图可能对应多个干扰行为，且当前的干扰行为与之前若干个干扰行为有关，依据感知信息辨识的干扰行为与主观意图之间存在很大的不确定性，所以干扰方的潜在意图信息难以获取，进而导致干扰意图推断准确率低的问题。

技术实现思路

1、本发明目的是为了解决现有干扰意图推理方法还存在依据感知信息辨识的干扰行为与主观意图不确定性大的问题，从而导致干扰方的潜在意图信息难以获得，进而导致干扰意图推断准确率低的问题，而提出了一种干扰意图推理方法、存储介质及设备。

2、一种干扰意图推理方法具体过程为：

3、步骤一、获取待检测的电子干扰样式数据，对待检测的电子干扰样式数据进行预处理，将预处理后的待检测的电子样式干扰数据输入到电子干扰行为识别网络中获得电子干扰行为类型；

4、所述电子干扰样式数据集中包括：瞄准干扰、阻塞干扰、延时假目标干扰、移频假目标干扰、距离拖引干扰、速度拖引干扰、瞄准干扰+密集假目标干扰、间歇采样转发干扰、距离假目标+速度假目标干扰、距离拖引+密集假目标干扰；

5、步骤二、将电子干扰行为类型输入到干扰意图推理模型中，利用维特比算法获得概率最大的干扰意图序列作为干扰意图推理结果；

6、所述干扰意图包括：降低检测、影响确认、摆脱跟踪、破坏识别。

7、进一步地，所述对待检测的电子干扰样式数据进行预处理，具体为：

8、将多个同一脉冲长度的待检测电子干扰样式数据拼接为一个样本，利用拼接获得的样本的幅值将拼接获得样本转为一维数据即预处理后的待检测的电子干扰样数据。

9、进一步地，所述电子干扰行为识别网络，通过以下方式获得：

10、s1、获取电子干扰样式数据集，对电子干扰样式数据进行预处理，并将预处理后的电子干扰样式数据集划分为训练集和测试集；

11、s2、构建循环神经网络，利用训练集训练循环神经网络直至损失函数收敛获得训练好的循环神经网络；

12、s3、利用测试集对训练好的循环神经网络进行测试，获得训练好的循环神经网络的识别精度，若识别精度大于等于预设阈值则保存为电子干扰行为识别网络，若识别精度小于预设阈值则重新执行s1。

13、优选地，所述循环神经网络包括：一个输入层、三个隐藏层、一个全连接层。

14、进一步地，所述干扰意图推理模型，通过以下方式获得：

15、step1、获取干扰行为意图数据集，并将干扰行为意图数据集分为训练集和测试集；

16、所述干扰行为意图数据集中包括：干扰行为和干扰意图；

17、step2、建立隐马尔可夫模型，利用训练集训练隐马尔可夫模型，获得隐马尔可夫模型的参数：

18、采用em算法利用训练集估计隐马尔可夫模型的干扰意图转移概率和干扰行为输出概率，概率值稳定后确定隐马尔可夫模型的参数；

19、step3、利用测试集测试确定参数后的隐马尔可夫模型，获得确定参数后的隐马尔可夫模型的准确率，若准确率大于预设第一阈值，则当前确定参数后的隐马尔可夫模型即为干扰意图推理模型。

20、进一步地，所述干扰行为包括：形成压制、形成假目标、形成拖引、形成压制+欺骗、形成欺骗+欺骗。

21、进一步地，所述干扰意图包括：降低检测、影响确认、摆脱跟踪和破坏识别。

22、一种干扰意图推理存储介质，所述存储介质存储至少一条指令，所述至少一条指令用于所述的一种干扰意图推理方法。

23、一种干扰意图推理设备，所述设备包括：处理器和存储器，所述存储器中存储有至少一条指令；所述至少一条指令由处理器加载并执行以所述的一种干扰意图推理方法。

24、本发明的有益效果为：

25、本发明使用电子干扰样式训练集训练的循环神经网络，可在每种干扰行为对应多种干扰信号样式的条件下，完成“多对多”的识别任务，有效识别干扰行为类型，为正确推理干扰意图提供了必要条件。本发明在干扰意图与干扰行为对应关系存在很大不确定性的情况下，利用干扰行为意图真值估计的隐马尔可夫模型和循环神经网络的识别结果对干扰意图进行推理，从而使干扰方的潜在意图信息更容易获取，从而提升了干扰意图推断的准确率。本发明实施例表明，本发明具有较高的推理准确率，为雷达方抗干扰提供了一种有效的干扰意图推理方法。

技术特征：

1.一种干扰意图推理方法，其特征在于所述方法具体过程为：

2.根据权利要求1所述的一种干扰意图推理方法，其特征在于：所述对待检测的电子干扰样式数据进行预处理，具体为：

3.根据权利要求2所述的一种干扰意图推理方法，其特征在于：所述电子干扰行为识别网络，通过以下方式获得：

4.根据权利要求3所述的一种干扰意图推理方法，其特征在于：所述循环神经网络的损失函数为交叉熵损失函数。

5.根据权利要求4所述的一种干扰意图推理方法，其特征在于：所述循环神经网络包括：一个输入层、三个隐藏层、一个全连接层。

6.根据权利要求1-5任一项所述的一种干扰意图推理方法，其特征在于：所述干扰意图推理模型，通过以下方式获得：

7.根据权利要求6所述的一种干扰意图推理方法，其特征在于：所述干扰行为包括：形成压制、形成假目标、形成拖引、形成压制+欺骗、形成欺骗+欺骗。

8.根据权利要求6所述的一种干扰意图推理方法，其特征在于：所述干扰意图包括：降低检测、影响确认、摆脱跟踪和破坏识别。

9.一种干扰意图推理存储介质，其特征在于：所述存储介质存储至少一条指令，所述至少一条指令用于实现权利要求1-7任一项所述的一种干扰意图推理方法。

10.一种干扰意图推理设备，其特征在于：所述设备包括：处理器和存储器，所述存储器中存储有至少一条指令；所述至少一条指令由处理器加载并执行以实现权利要求1-7任一项所述的一种干扰意图推理方法。

技术总结
一种干扰意图推理方法、存储介质及设备，涉及雷达抗干扰技术领域。本发明是为了解决现有干扰意图推理方法还存在依据感知信息辨识的干扰行为与主观意图不确定性大的问题，从而导致干扰方的潜在意图信息难以获得，进而导致干扰意图推断准确率低的问题。本发明包括：获取待检测的电子干扰样式数据，对待检测的电子干扰样式数据进行预处理，将预处理后的待检测的电子样式干扰数据输入到电子干扰行为识别网络中获得电子干扰行为类型；将电子干扰行为类型输入到干扰意图推理模型中，利用维特比算法获得概率最大的干扰意图序列作为干扰意图推理结果；所述干扰意图包括：降低检测、影响确认、摆脱跟踪、破坏识别。本发明用于推理干扰机的干扰意图。

技术研发人员：于雷,许壮壮,位寅生
受保护的技术使用者：哈尔滨工业大学
技术研发日：
技术公布日：2024/1/13