一种基于MOPSO的多目标干扰决策方法

本发明属于雷达有源干扰，具体涉及一种基于mopso的多目标干扰决策方法。

背景技术：

1、末制导雷达因具有高命中率、强抗干扰能力等特点在精确制导武器中得到广泛应用，目前已成为现代战争中的主要打击手段。在实际战场环境下，敌方通常可能会利用多部不同的末制导雷达，对我方造成严重威胁。我方可通过部署多个干扰机来实现协同干扰，形成雷达与干扰机“多对多”的电子战对抗场景。

2、然而，随着干扰机数量和干扰资源种类多样性的增加，我方面临着复杂的干扰资源调度任务，为了实现最佳的协同干扰效果，需要将这些干扰资源进行统一分配，从而获得最大的干扰效益。因此，研究针对多部末制导雷达的协同干扰方案具有十分重要的理论意义和现实意义。

3、在真实的战场环境中，干扰机编队协同干扰的目标是追求干扰效益的最大化，但干扰机所拥有的功率和频率资源都是有限的，干扰效果也会受到干扰功率、频率以及样式等因素的影响而发生改变。由于存在的多个目标无法同时获得最优解，因此每架干扰机都取得最大的干扰效益是相互矛盾对立的。由此干扰决策实质上是一个多目标优化问题(multi-objectiveoptimizationproblem,mop)，需要在一定的约束条件下，对多个目标函数共同进行优化，以达到满意的结果。

4、由于多目标决策问题中存在多部末制导雷达和多架干扰机，并且涉及干扰样式以及干扰功率和频率的分配，协同干扰资源的分配难度和计算量都大大增加。为了降低求解难度，常利用群智能优化算法对该问题进行求解，如粒子群算法(particleswarmoptimization,pso)。

5、现有技术中，在使用粒子群算法实现多目标决策时，未能将雷达威胁等级评估加入到干扰决策的流程中，而是直接指定雷达的威胁度权重向量，缺乏可信度；设定的约束条件已不符合现在电子战实际情况，而且，在粒子群实现多目标决策之后，最优解不是唯一的，也未能给定合理的倾向性策略，流程不够完善。

技术实现思路

1、为了克服上述现有技术存在的不足，本发明的目的在于提供一种基于mopso(多目标粒子群(multi-objective particle swarm optimization，mopso))的多目标干扰决策方法，该方法首先利用层次分析法对雷达的威胁等级进行评估，其次根据扫频干扰、梳状谱干扰、间歇采样重复转发干扰三种不同干扰样式对于威胁度不同的雷达进行干扰适配性分析，并对每个干扰机功率和频率进行分配，然后构建干扰决策的目标函数，接下来利用多目标粒子群算法对干扰资源分配模型进行求解，最后根据不同需求，进行不同倾向性解的选择。此方法可以实现干扰资源进行统一分配，从而得到最大的干扰效益。

2、为了实现上述目的，本发明采用的技术方案是：

3、一种基于mopso的多目标干扰决策方法，包括以下步骤；

4、步骤1，设置末制导雷达与干扰机“多对多”对抗场景：

5、步骤2，建立目标函数，通过目标函数计算干扰效果，定义相关矩阵并推导干扰决策模型的目标参数；

6、步骤3，基于mopso寻优算法，使目标函数达到最优，寻优的结果是干扰机的布站结果；

7、步骤4，对步骤3的多种结果，进行不同倾向性解的方案选择，根据任务需求选择一个倾向性的pareto解。

8、所述步骤1具体为：

9、步骤1.1，设置干扰对抗场景的内容，包括雷达与干扰机数量；

10、步骤1.2，设置雷达工作参数与性能指标，包括雷达工作频率、雷达威胁等级；

11、步骤1.3，设置干扰机工作参数与性能指标，包括发射功率、频域覆盖范围；

12、步骤1.4，设置干扰样式包括：设置扫频干扰、梳状谱干扰和间歇采样转发干扰，并计算其归一化因子。

13、所述步骤1.4中，扫频干扰是通过以下函数仿真得到的：

14、

15、其中，uj为噪声调频信号的幅度，fj为信号载频，kf为调频斜率，φ为初始相位。

16、所述步骤1.4中，梳状谱干扰是通过以下函数仿真得到的：

17、

18、其中，fk为第k个频点的频率值，ak为第k个频点的幅度值。

19、所述步骤1.4中，间歇采样重复转发干扰是通过以下函数仿真得到的：

20、

21、其中，nj表示切片个数，tw表示切片宽度，s(t)表示雷达发射信号。

22、所述步骤1.4中，s(t)是由如下函数得到的：

23、

24、其中，tp表示脉冲持续时间，f0表示中心频率，k＝b/tp表示调频斜率，b表示信号带宽。

25、所述步骤2具体为：

26、步骤2.1，定义干扰功率分配矩阵p如下：

27、

28、其中，pnm表示第n部干扰机对第m部雷达进行干扰时所分配的功率大小；

29、步骤2.2，定义干扰频域分配矩阵f：

30、

31、其中，fnm表示第n架干扰机对第m部雷达进行干扰时的频域影响因子大小；

32、步骤2.3，定义第n架干扰机对第m部雷达施加干扰时的影响因子效益矩阵为：

33、enm＝[ejtn ejsn ejpn]

34、其中ejt是用来表示干扰时域影响因素的干扰时域影响因子，ejs是用来表示干扰空域影响因素的干扰空域影响因子，ejp为经过脉冲压缩处理后的增益；n是第n架干扰机，n是干扰机总数；m是第m架雷达，m是雷达总数；

35、步骤2.4，现在针对“多对多”对抗场景，将其推广为，n架干扰机协同干扰某一部雷达m时的影响因子效益矩阵为：

36、

37、其中，干扰时域、干扰空域和干扰处理域的权重因子分别为ω1，ω2，ω3；

38、步骤2.5，现将雷达数量增加，则n架干扰机协同干扰m部防空反导雷达时的影响因子效益矩阵为：

39、

40、其中，enm表示第n架干扰机对第m部防空反导雷达进行干扰时的干扰效益矩阵；

41、步骤2.6，可将上式转换为干扰机影响权重矩阵q：

42、q＝[q1,…,qn,…,qn]

43、其中qn表示第n架干扰机所能获得的总的干扰效益，该值由不同干扰样式的干扰效益共同累加决定；

44、步骤2.7，结合上述矩阵，构建多部雷达下的协同干扰目标函数，得到针对m部雷达的m个干扰决策目标函数为：

45、

46、步骤2.8，建立干扰决策模型的约束条件：一部雷达至少被一部干扰机干扰；一部干扰机最多同时干扰α部雷达；干扰机n总的功率上限归一化后为1；当干扰机n不对雷达m进行干扰时，雷达m所分配的干扰功率为0；当干扰机n对雷达m进行干扰时，雷达m所分配的干扰功率为pnm，并且pnm处于干扰机发射功率上下限之间；当干扰机n不对雷达m进行干扰时，雷达m所分配的干扰效益为0；当干扰机n对雷达m进行干扰时，雷达m所分配的干扰效益为β；当干扰机n对雷达m进行干扰时，对雷达m所分配的干扰频率为fnmmin～fnmmax，同时要覆盖雷达的工作频率f1～f2。

47、所述步骤2.3中，ejt是由以下公式计算得到的：

48、

49、其中，tr1为目标信号到达雷达的时间，tr2为雷达接收目标信号结束的时间，tj1为干扰信号到达雷达的时间，tj2为干扰信号结束干扰的时间。

50、所述步骤2.3中，ejs是由以下公式计算得到的：

51、

52、其中，雷达到干扰机连线方向与雷达天线主瓣轴线方向之间的夹角为θ，雷达天线在干扰机方向上的增益为gr(θ)，雷达的半功率波束宽度为θ0.5，k为常数，其取值与雷达天线特性有关，通常取0.04～0.10。

53、所述步骤2.3中，ejp是由以下公式计算得到的：

54、ejp为经过脉冲压缩处理后目标回波能够获得的处理增益，通过脉冲压缩处理，信噪比可以得到大幅度提高，当对不同的干扰样式进行采样时，所获得的脉压增益各不相同，对于脉冲完全转发的假目标干扰而言，由于其特性和真实目标相似，经过脉压处理后的增益也相似。脉压增益为ejp＝10lg(bt)，b为信号带宽，t为信号脉宽。

55、所述步骤3基于mopso寻优的多目标决策算法步骤如下：

56、步骤3.1，设置mopso算法中的相关参数；包括粒子数、精英比例、变异比例、最大迭代数、外部存储器规模限制和收敛精度；

57、步骤3.2，种群初始化；对粒子的初始速度、位置等参数进行赋值，并计算每个粒子的目标函数值；通过此过程，确定非支配解集，并初始化外部档案；

58、步骤3.3，计算适应度值；依据策略计算每个粒子的适应度值，选取每个粒子的个体最优解位置pbest以及全局最优解位置gbest；

59、步骤3.4，进行算法迭代；粒子在可行域内探索，根据速度和位置更新公式对其进行计算与更新，并调整个体最优解pbest；

60、步骤3.5，进行外部档案更新；对粒子的目标函数值进行比较，以确定非支配解集，并对外部档案进行维护和更新，同时利用拥挤度距离策略更新全局最优解gbest；

61、步骤3.6，进行终止条件判断。如果pareto最优值达到了预定的迭代次数，那么算法会停止执行，并将外部档案集作为最终的pareto最优解集；这意味着在给定的迭代次数内，算法已经收敛到一组较优的非支配解，这些解构成了问题的pareto最优解集，否则返回步骤303。由于多目标优化算法得到的解为非支配解，寻优结果不唯一。每个点所代表的优化方案倾向性各不相同，在实际情况中，可根据任务需求选择不同倾向性的pareto解。在此提供三种典型解决方案进行分析。

62、步骤1.2，设置雷达工作参数与性能指标包括：设置雷达1的工作频率范围2.90～2.91ghz，威胁等级为0.2；雷达2的工作频率范围2.91～2.93ghz，威胁等级为0.3；雷达3的工作频率范围2.97～3.1ghz，威胁等级为0.5；

63、所述步骤4具体为：

64、干扰方式分配策略：大多数分配方案倾向于将干扰效益最高的间歇采样转发干扰分配给威胁度最高的雷达3，此时，目标函数值也是三者中的最大值，将干扰效益较低的扫频干扰和梳状谱干扰分配给了威胁程度较低的雷达1和雷达2。总体而言，干扰机倾向于分配干扰效益更高的干扰资源给威胁程度更高的目标；

65、干扰功率分配策略：大多数分配方案倾向于分配干扰功率给威胁度最高的雷达3，而剩余的功率资源被威胁度相同的雷达1和雷达2抢夺；总体而言，干扰机倾向于分配更多的干扰资源给威胁程度更高的目标，在实际的干扰过程中，通过手动输入参数调整目标雷达的威胁度和权重系数来设置优先级；

66、频域分配策略：大多数分配方案倾向于在需要干扰的目标频带上发射干扰信号，而在其他频带内不发射干扰信号，并且干扰机倾向于将较大的频段范围或较宽的频谱带宽分配给威胁度最高的雷达1，因此，根据目标雷达的频率需求和干扰优先级，集中干扰信号在目标频带上，同时减少对其他频带的干扰，实现更精确的干扰。

67、本发明的有益效果：

68、本发明中给定的方法，将雷达威胁等级评估的过程加入到预处理流程中，通过步骤2.1-2.6科学的层次分析法来设定雷达的威胁度，并据此得到干扰决策的目标函数，可信度更高，并结合当今的电子战实际设定更合理的约束条件。考虑到粒子群算法的最优解不说唯一的，通过步骤4给定了三个不同倾向性的选择策略，形成了更完善的流程，使多目标决策算法更具可信度和适用性，使收益的计算更加合理，更加贴合电子战实际背景。