基于自適應(yīng)目標(biāo)函數(shù)的協(xié)同干擾策略分配

汲清波，楊 帥

哈爾濱工程大學(xué)，信息與通信工程學(xué)院，黑龍江 哈爾濱 150001

隨著現(xiàn)代電子技術(shù)的發(fā)展以及組網(wǎng)雷達(dá)的應(yīng)用單一干擾資源往往無(wú)法成功突防雷達(dá)網(wǎng)保護(hù)的區(qū)域。在現(xiàn)代戰(zhàn)場(chǎng)環(huán)境中，多干擾機(jī)通過(guò)頻域、極化域等協(xié)同組網(wǎng)干擾是保證編隊(duì)突防成功與否以及打擊摧毀目標(biāo)的重要手段，而如何有效利用己方干擾資源取得最優(yōu)的干擾效果成為了研究的重要課題，亦是本文研究的目的。

在協(xié)同干擾資源分配領(lǐng)域，眾多學(xué)者根據(jù)雷達(dá)偵察檢測(cè)目標(biāo)的原理提出了不同的干擾評(píng)估準(zhǔn)則，并且再此基礎(chǔ)上提出了相應(yīng)分配模型，但目前為止，尚未有干擾分配模型得到眾多學(xué)者的一致認(rèn)同。文獻(xiàn)[2]以干擾暴露區(qū)作為干擾評(píng)估準(zhǔn)則建立目標(biāo)函數(shù)，利用多級(jí)動(dòng)態(tài)優(yōu)化算法尋求干擾效果最優(yōu)值，但該算法采用窮舉法計(jì)算函數(shù)值，計(jì)算量隨著干擾資源以及組網(wǎng)雷達(dá)數(shù)量的增加而增加；文獻(xiàn)[3]將博弈論應(yīng)用于動(dòng)態(tài)干擾評(píng)估，但該算法只考慮了一對(duì)一干擾，并未考慮協(xié)同干擾；文獻(xiàn)[4]首次將Hopfield神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于干擾資源優(yōu)化分配領(lǐng)域，具有較快的收斂速度，但如何選擇步徑仍亟待研究；文獻(xiàn)[5-7]分別采用基于改進(jìn)離散布谷鳥算法、免疫算法、蟻群算法對(duì)雷達(dá)干擾資源進(jìn)行分配，盡管分配結(jié)果收斂速度快，但仍然只是以單一評(píng)估準(zhǔn)則作為目標(biāo)函數(shù)和分配依據(jù)，未能將飛機(jī)編隊(duì)與攻擊目標(biāo)的距離作為依據(jù)而采用不同的目標(biāo)函數(shù)作為分配依據(jù)。

在多機(jī)編隊(duì)突防過(guò)程中，由于組網(wǎng)雷達(dá)工作體制的多樣性[8]，飛機(jī)編隊(duì)與目標(biāo)的距離由遠(yuǎn)及近過(guò)程中往往會(huì)經(jīng)歷搜索、定位、跟蹤、火力引導(dǎo)等4個(gè)階段[9]。處在不同階段的雷達(dá)威脅等級(jí)并不相同，例如在距離較遠(yuǎn)時(shí)，組網(wǎng)雷達(dá)的任務(wù)以搜索目標(biāo)為主，即雷達(dá)的任務(wù)以發(fā)現(xiàn)目標(biāo)是否存在為主要目的，此時(shí)，干擾的任務(wù)分配也應(yīng)以降低雷達(dá)探測(cè)目標(biāo)的發(fā)現(xiàn)概率為主，如果在此階段以定位精度為目標(biāo)函數(shù)并不能使己方的干擾資源達(dá)到最優(yōu)使用效率。因此，本文將距離作為主要考量，并劃分不同距離下的雷達(dá)工作階段，在距離較遠(yuǎn)時(shí)，雷達(dá)處于警戒搜索階段，該階段主要以目標(biāo)發(fā)現(xiàn)概率作為干擾效果評(píng)估準(zhǔn)則；隨著距離的逐漸縮小，雷達(dá)發(fā)現(xiàn)目標(biāo)的概率逐漸增大，此時(shí)，雷達(dá)從搜索階段轉(zhuǎn)入定位階段，該階段以幾何精度因子(geomatric dilution precision，GDOP)為目標(biāo)函數(shù)進(jìn)行資源分配。上述兩個(gè)階段主要利用粒子群算法采用自適應(yīng)目標(biāo)函數(shù)進(jìn)行資源分配，既保證了收斂速度又有效解決了處于不同階段的雷達(dá)因?yàn)槿蝿?wù)的不同而導(dǎo)致的資源無(wú)法充分利用的問(wèn)題。

1 干擾資源分配模型以及目標(biāo)函數(shù)的建立

1.1 雷達(dá)威脅等級(jí)的確定

干擾資源分配是在偵察分選雷達(dá)信號(hào)之后，根據(jù)偵察得到的雷達(dá)脈沖描述字(PDW)，即脈寬(PW)、帶寬(BW)、載頻(RF)、脈沖重復(fù)頻率(PRF)等信息，以與目標(biāo)的距離劃分的不同階段制定不同的威脅等級(jí)。在搜索階段，飛機(jī)編隊(duì)與攻擊目標(biāo)距離較遠(yuǎn)，遠(yuǎn)程警戒搜索雷達(dá)的威脅較大。遠(yuǎn)程搜索警戒雷達(dá)由于探測(cè)距離遠(yuǎn)，以發(fā)現(xiàn)目標(biāo)的存在與否為主要目的，因此，其載頻通常較低，帶寬較窄，在該階段，低載頻的雷達(dá)威脅程度更高。在雷達(dá)網(wǎng)發(fā)現(xiàn)目標(biāo)之后即轉(zhuǎn)入定位階段，雷達(dá)以精確定位為主，此時(shí)，PRF越高，速度分辨率越高，BW越寬，距離分辨率越高，因此，具有該指標(biāo)的雷達(dá)威脅等級(jí)也越高。由上述分析可知，在同一距離上，具有不同特征的雷達(dá)威脅等級(jí)不同；在不同距離上，具有相同特征的同一部雷達(dá)由于距離的差異威脅等級(jí)也不同。

雷達(dá)威脅等級(jí)的確定對(duì)于能否有效分配資源起重要作用。本文根據(jù)文獻(xiàn)[10]的熵權(quán)法確定PDW各指標(biāo)的權(quán)重，最后確定各雷達(dá)在不同距離上的威脅等級(jí)，從而有效地制定干擾策略，使得干擾效果達(dá)到最優(yōu)。

1.2 目標(biāo)函數(shù)的確定

1.2.1 搜索階段目標(biāo)函數(shù)-檢測(cè)概率

眾所周知，雷達(dá)由于信號(hào)功率、靈敏度等限制，使其工作距離有限。當(dāng)雷達(dá)與目標(biāo)的距離超出其最大工作距離時(shí)，信號(hào)的強(qiáng)度遠(yuǎn)低于雷達(dá)工作靈敏度而無(wú)法探測(cè)到目標(biāo)，但是隨著雷達(dá)與目標(biāo)之間距離減小，雷達(dá)開始搜索到目標(biāo)并逐漸轉(zhuǎn)換為對(duì)目標(biāo)的跟蹤階段，因此， 在搜索階段需要選擇合適的目標(biāo)函數(shù)為雷達(dá)資源分配提供依據(jù)，本文選擇目標(biāo)檢測(cè)概率作為依據(jù)進(jìn)行分配。

雷達(dá)方程與干擾方程可以分別用式(1)和(2)表示：

(1)

雷達(dá)的信干比為：

(2)

式中：Prs表示雷達(dá)接收機(jī)接收到的目標(biāo)回波信號(hào)功率；Prj是雷達(dá)接收到的干擾信號(hào)功率；Pt和Pj是雷達(dá)接收天線口面接收到的干擾信號(hào)功率；Pij是雷達(dá)接收天線口面接收到的干擾信號(hào)功率；Pt和Pj則分別表示雷達(dá)發(fā)射機(jī)和干擾發(fā)射機(jī)發(fā)射的發(fā)射信號(hào)功率；Gt和Gj分別表示雷達(dá)、干擾機(jī)的接收天線增益；σ表示目標(biāo)的平均散射截面積；λ表示信號(hào)波長(zhǎng)；Gt(θ)是雷達(dá)接收天線在干擾方向的主瓣增益；Rt是雷達(dá)與目標(biāo)的距離；Rj是干擾機(jī)與雷達(dá)的距離；ξj是雷達(dá)信號(hào)與干擾信號(hào)之間的極化適配損失系數(shù)。

1)已知信號(hào)的檢測(cè)概率：

式中，F(xiàn)(*)和F-1(*)定義如下：

2)未知信號(hào)的檢測(cè)概率：

未知信號(hào)的檢測(cè)是與虛警概率和雷達(dá)目標(biāo)檢測(cè)器的輸入信噪比有關(guān)，當(dāng)信噪比越大、虛警概率越小時(shí)，目標(biāo)檢測(cè)概率越大，反之，則越小。

3)斯韋林型信號(hào)的檢測(cè)概率：

(3)

不同目標(biāo)的起伏類型是不同的，通常采用斯韋林型目標(biāo)起伏，斯韋林Ⅰ、Ⅱ起伏型目標(biāo)如艦船、漁船、汽車等一般采用公式(3)中第1行公式來(lái)近似得到該類型的目標(biāo)檢測(cè)概率，斯韋林Ⅲ、Ⅳ起伏型目標(biāo)如戰(zhàn)斗機(jī)等則通過(guò)公式(3)第2行公式近似得到相應(yīng)目標(biāo)的檢測(cè)概率。

通過(guò)對(duì)比在實(shí)施干擾前、后同一目標(biāo)檢測(cè)概率的變化可以得到干擾效果，并根據(jù)干擾結(jié)果進(jìn)一步優(yōu)化干擾分配策略。由于雷達(dá)在干擾前、后的信噪比與信干比是衡量目標(biāo)回波信號(hào)質(zhì)量的重要指標(biāo)，因此利用式(1)和式(2)計(jì)算的結(jié)果帶入式(3)，可以得到實(shí)施干擾前、后雷達(dá)對(duì)目標(biāo)信號(hào)的檢測(cè)概率分別表示為Pd、Pdj。每部雷達(dá)在搜索階段的目標(biāo)函數(shù)可以定義為

(4)

根據(jù)文獻(xiàn)[11]，協(xié)同組網(wǎng)雷達(dá)信號(hào)通過(guò)主站融合后的檢測(cè)概率可以表示為

(5)

式中：D表示組網(wǎng)雷達(dá)數(shù)據(jù)融合中心的判決向量。融合中心決定是否融合的規(guī)則為R，R(D)的可以表示為

(6)

式中：N表示組網(wǎng)雷達(dá)的雷達(dá)數(shù)量。將式(5)帶入式(4)即可得到雷達(dá)網(wǎng)的損失。

根據(jù)式(4)，可知Ed與雷達(dá)對(duì)目標(biāo)的檢測(cè)概率成反比，其數(shù)值越大，表示干擾效果越好，反之，則干擾效果越差。

1.2.2 定位階段目標(biāo)函數(shù)-GDOP

在組網(wǎng)雷達(dá)融合中心判斷目標(biāo)存在，即發(fā)現(xiàn)目標(biāo)之后，組網(wǎng)雷達(dá)即由搜索目標(biāo)階段轉(zhuǎn)入定位目標(biāo)階段。在精確定位中，雷達(dá)網(wǎng)會(huì)根據(jù)測(cè)得與目標(biāo)的斜距、方位角、俯仰角3個(gè)方面來(lái)確定目標(biāo)空間位置，因此，選取GDOP建立目標(biāo)函數(shù)。

根據(jù)文獻(xiàn)[12]，假設(shè)目標(biāo)的真實(shí)斜距、方位角、俯仰角分別為R1、α1和β1，雷達(dá)真實(shí)測(cè)量的目標(biāo)斜距、方位角、俯仰角為R2、α2和β2，在直角坐標(biāo)系x、y、z軸的定位誤差

式中

設(shè)某時(shí)刻雷達(dá)測(cè)量的目標(biāo)斜距、方位角和俯仰角分別為R、α和β，則其在x、y、z軸的定位誤差均方差為

雷達(dá)在該時(shí)刻的GDOP表達(dá)式為

對(duì)GDOP做處理得

式中:GDOP為無(wú)干擾時(shí)的定位精度，GDOPj表示在干擾后的定位精度，采用Gd作為目標(biāo)函數(shù)，該值越大，說(shuō)明干擾效果越好，反之，則說(shuō)明干擾效果越差。

1.2.3 自適應(yīng)目標(biāo)函數(shù)的建立

在不同階段采用不同的目標(biāo)函數(shù)評(píng)估干擾效果以適應(yīng)雷達(dá)工作任務(wù)的轉(zhuǎn)變，從而更好地對(duì)干擾方的干擾資源進(jìn)行分配。將距離均勻劃分為每一小段，記為采樣點(diǎn)數(shù)，本文采用自適應(yīng)目標(biāo)函數(shù)的粒子群算法對(duì)干擾資源進(jìn)行分配。算法步驟為:

1) 初始化干擾策略，隨機(jī)產(chǎn)生m個(gè)干擾策略組成一個(gè)種群S={X1,X2,…,Xi,…,Xm}，其中每個(gè)干擾策略都是的0或1隨機(jī)數(shù)；

2) 計(jì)算該采樣點(diǎn)目標(biāo)與各雷達(dá)間的距離R；

3) 根據(jù)距離R選擇目標(biāo)函數(shù)，運(yùn)用粒子群計(jì)算雷達(dá)搜索階段目標(biāo)函數(shù)并計(jì)算每一采樣點(diǎn)目標(biāo)函數(shù)最優(yōu)值與最優(yōu)分配策略；

4) 輸出各采樣點(diǎn)目標(biāo)函數(shù)最優(yōu)值。

2 協(xié)同干擾策略分配算法

協(xié)同干擾策略分配算法是策略分配的核心。本文采用改進(jìn)后的粒子群算法分配干擾策略，該算法的好處是顯而易見(jiàn)的，比如能夠解決傳統(tǒng)粒子群算法中容易陷入到局部最優(yōu)解而無(wú)法成功跳出的缺點(diǎn)，又能夠解決采用遺傳算法不能快速手鏈的缺陷。在粒子群算法的初期，由于算法本身的設(shè)定問(wèn)題，容易早熟，為解決該問(wèn)題，本文將模擬退火機(jī)制應(yīng)用于粒子群算法中，模擬退火算法中的核心是通過(guò)溫度的突變性導(dǎo)致算法跳出局部最優(yōu)解，而本文將兩種算法融合后既能夠解決局部最優(yōu)解問(wèn)題又能實(shí)現(xiàn)算法的快速收斂?；谀M退火機(jī)制的粒子群算法并不是只在當(dāng)前最優(yōu)結(jié)果附近搜索，而是有一定概率跳出當(dāng)前最優(yōu)解尋找全局最優(yōu)值，因此解決了早熟的問(wèn)題，退火算法的溫度確定公式為

(7)

基于模擬退火的粒子群算法的步驟為

1)初始化粒子群中各粒子的初始位置和飛行速度，該值是隨機(jī)生成的；

2)計(jì)算種群中各粒子的適應(yīng)度函數(shù)；將每一代中各粒子的位置和飛行速度以及對(duì)應(yīng)的適應(yīng)度存儲(chǔ)在該粒子對(duì)應(yīng)的pbest，把所有粒子中的適應(yīng)度最好的粒子存儲(chǔ)在全局最優(yōu)解gbest中；

3)初始化模擬退火機(jī)制中的退火溫度；

4)根據(jù)公式(7)確定每一個(gè)各粒子適應(yīng)度函數(shù)及其溫度；

5)根據(jù)隨機(jī)概率選出pi作為在當(dāng)前粒子中確定的局部最優(yōu)用于替代當(dāng)前的全局最優(yōu)值pg，根據(jù)式(8)、(9)更新位置和速度；

vi,j(t+1)=φ{(diào)vi,j(t)+c1r1(pi,j-xi,j(t))+

c2r2(pg,j(t)-xi,j(t))}

(8)

xi,j(t+1)=xi,j(t)+vi,j(t+1)

(9)

6)計(jì)算粒子群中的各粒子適應(yīng)度函數(shù)，重復(fù)步驟5)；

7)退溫；

8)判斷步驟6)的停止條件是否滿足，如果滿足，則停止重復(fù)步驟6)輸出當(dāng)前全局最優(yōu)解，如果不滿足，繼續(xù)步驟2)～6)。

9)如何選取退火機(jī)制中的初始溫度以及退溫公式的選取都對(duì)最終輸出結(jié)果有影響，一般根據(jù)式(10)和(11)進(jìn)行初溫和退溫操作。

t0=f(pg)/ln5

(10)

tk+1=λtk

(11)

3 仿真結(jié)果分析

假設(shè)雷達(dá)網(wǎng)由8部雷達(dá)組成，其布站采用方形布站，保護(hù)以原點(diǎn)為中心邊長(zhǎng)為40 km的正方形區(qū)域，多機(jī)編隊(duì)由4部干擾機(jī)以及目標(biāo)組成，目標(biāo)編隊(duì)從空間坐標(biāo)(200,200,10)開始突防，其突防態(tài)勢(shì)圖以及多機(jī)編隊(duì)的航跡如圖1所示。

圖1 突防態(tài)勢(shì)圖

干擾策略分配是處于偵察分選之后，根據(jù)偵察得到的雷達(dá)網(wǎng)信息如表1所示。

表1 雷達(dá)信息

根據(jù)文中1.2.1節(jié)所述，在干擾時(shí)，由于距離的不同，雷達(dá)任務(wù)不同，具有同一指標(biāo)的雷達(dá)在不同距離上的威脅程度是不同的。如雷達(dá)1，在距離較遠(yuǎn)時(shí)，載頻低，探測(cè)距離遠(yuǎn)，距離分辨度以及速度分辨度不高，此時(shí)，低載頻的權(quán)重越高；在距離較近時(shí)，由于其帶寬、重頻較低，因此威脅程度相較于雷達(dá)8低。搜索及定位階段指標(biāo)權(quán)重如表2所示。

表2 不同階段雷達(dá)指標(biāo)的權(quán)重

根據(jù)文獻(xiàn)[10]方法確定的雷達(dá)威脅等級(jí)如表3所示。由表3可以得知，同一部雷達(dá)在相同的工作參數(shù)下但在不同的工作階段，其威脅程度是不同的，但是根據(jù)雷達(dá)工作原理可知，在搜索階段，雷達(dá)低載頻、寬脈寬使得其信號(hào)損失較小，探測(cè)距離更遠(yuǎn)，而具有更高重頻、寬帶寬的雷達(dá)信號(hào)盡管工作距離有限，但是其探測(cè)精度更高，因此在定位跟蹤階段威脅更高。

表3 雷達(dá)威脅等級(jí)

由前文1.2節(jié)所述，通過(guò)對(duì)單部干擾機(jī)對(duì)單部雷達(dá)的干擾前后的發(fā)現(xiàn)概率如圖2所示。

圖2 干擾前、后雷達(dá)檢測(cè)概率

由圖2可以看出，在干擾前、后的雷達(dá)檢測(cè)概率變化較大；圖中采樣點(diǎn)的數(shù)值越大表示離目標(biāo)越近。在干擾前，組網(wǎng)雷達(dá)的檢測(cè)概率在采樣點(diǎn)為70，即目標(biāo)的坐標(biāo)為(60，60，4)時(shí)能完全發(fā)現(xiàn)目標(biāo)，而干擾后則為90，即目標(biāo)坐標(biāo)為(20，20，2)。由此可看出，干擾效果明顯，驗(yàn)證了檢測(cè)概率在搜索階段作為干擾效果評(píng)估準(zhǔn)則的可行性。同時(shí)，圖2也說(shuō)明在采樣點(diǎn)85之后，無(wú)論如何對(duì)雷達(dá)進(jìn)行干擾，對(duì)雷達(dá)的探測(cè)性能影響微乎其微，即雷達(dá)已經(jīng)完全發(fā)現(xiàn)目標(biāo)，該轉(zhuǎn)入到定位跟蹤階段，如果還以檢測(cè)概率為指標(biāo)評(píng)估干擾效果，只會(huì)是對(duì)干擾資源巨大的浪費(fèi)。

雷達(dá)干擾策略分配根據(jù)步驟分為兩步，首先是干擾對(duì)象的分配：需要確定哪部干擾機(jī)干擾哪部雷達(dá)；然后再分配相應(yīng)的干擾樣式。以4部干擾機(jī)需要干擾4部雷達(dá)為例說(shuō)明，在只考慮干擾對(duì)象的一對(duì)一分配情況下，一共需要考慮的情況為188種；而如果要將一對(duì)多考慮進(jìn)去進(jìn)行策略分配，分配方法采用傳統(tǒng)的動(dòng)態(tài)規(guī)劃算法，則需要考慮的分配情況可以達(dá)到1 296種，計(jì)算量的增長(zhǎng)帶來(lái)的分配結(jié)果不具有實(shí)時(shí)性，而隨著干擾機(jī)可能釋放干擾信號(hào)的類型的增多，如3種則需要分配的策略可高達(dá)104 976種，假設(shè)仍然采用動(dòng)態(tài)規(guī)劃算法對(duì)資源分配進(jìn)行計(jì)算，單次計(jì)算最有分配結(jié)果的時(shí)間將在20 min以上，而這段時(shí)間戰(zhàn)情早已發(fā)生變化，而采用粒子群算法后尋找全局最優(yōu)解只需要4～5 s，尋優(yōu)時(shí)間大為縮減。

根據(jù)文中1.2節(jié)目標(biāo)函數(shù)的論述，融合中心判斷規(guī)則為：當(dāng)有2部以上雷達(dá)(即式(6)中K=2)認(rèn)為目標(biāo)存在，即開始計(jì)算目標(biāo)檢測(cè)概率。突防過(guò)程中，采用4架干擾機(jī)干擾8部雷達(dá)，選取采樣點(diǎn)85時(shí)，計(jì)算此時(shí)目標(biāo)函數(shù)的最優(yōu)值，如圖3所示。

圖3 采樣點(diǎn)85基本粒子群算法尋優(yōu)效果

從圖4中可以看出用基本粒子群算法尋優(yōu)時(shí)，在100代內(nèi)算法都無(wú)法收斂。利用基于模擬退火的粒子群算法尋優(yōu)如圖4所示。

圖4 基本模擬退火的粒子群算法尋優(yōu)效果

種群的大小影響著單采樣點(diǎn)的最優(yōu)解，種群數(shù)為32時(shí)的收斂速度相比于種群數(shù)為16和8時(shí)的收斂速度要更快。同時(shí)，可以看到，由于分配策略的不同，雷達(dá)網(wǎng)的發(fā)現(xiàn)概率在采樣點(diǎn)為85時(shí)最高可以降低為無(wú)干擾時(shí)的0.5倍左右，說(shuō)明在不同距離上如果采用同一分配策略得到的干擾效果是不同的，也不是最優(yōu)的，因此，要根據(jù)距離按照干擾評(píng)估準(zhǔn)則做符合該采樣點(diǎn)的最優(yōu)分配策略才能使全程的干擾效果最優(yōu)。

在突防全程只采用檢測(cè)概率作為目標(biāo)函數(shù)評(píng)估干擾效果，得到單一目標(biāo)函數(shù)全程干擾效果如圖5所示。圖5在全程只采用檢測(cè)作為目標(biāo)函數(shù)，在采樣點(diǎn)90之后，干擾效果相較于采樣點(diǎn)90之前的干擾效果急劇下降并且都基本保持不變，是無(wú)干擾時(shí)的0.1倍左右，結(jié)合圖2可以發(fā)現(xiàn)，此時(shí)目標(biāo)基本上已經(jīng)被雷達(dá)發(fā)現(xiàn)，如果還以檢測(cè)概率作為目標(biāo)函數(shù)，無(wú)論如何改變干擾策略都基本不會(huì)影響雷達(dá)網(wǎng)的性能。同時(shí)，這也說(shuō)明，在此采樣點(diǎn)之后，干擾機(jī)編隊(duì)?wèi)?yīng)該改變干擾評(píng)估效果以及干擾方式，從而取得適應(yīng)工作階段的變化。以檢測(cè)概率作為協(xié)同干擾評(píng)估指標(biāo)干擾機(jī)的利用率如表4所示。

表4 單一目標(biāo)函數(shù)干擾機(jī)使用效率

從表4可以看出，如果突防過(guò)程全程以檢測(cè)概率作為干擾評(píng)估指標(biāo)對(duì)干擾策略進(jìn)行分配，雷達(dá)6、2、7等的分配概率極低，這使得即使在雷達(dá)發(fā)現(xiàn)了突防編隊(duì)之后，干擾機(jī)仍然會(huì)給搜索階段威脅程度大的雷達(dá)分配干擾資源，這會(huì)造成對(duì)干擾資源的巨大浪費(fèi)。因此，采用本文中自適應(yīng)目標(biāo)函數(shù)對(duì)協(xié)同干擾資源進(jìn)行分配，其干擾效果如圖6所示，其干擾效率如表5所示。

從圖5、6的對(duì)比中可以看出，在采樣點(diǎn)為90之前，以發(fā)現(xiàn)概率為目標(biāo)函數(shù)，干擾效果是隨著距離的不斷接近呈現(xiàn)先增加后逐漸減少的過(guò)程，采樣點(diǎn)為90以后采用定位精度作為干擾效果評(píng)估可以更好的利用干擾資源，并且雷達(dá)網(wǎng)的定位精度是無(wú)干擾時(shí)的幾倍，說(shuō)明在該階段，以定位精度作為目標(biāo)函數(shù)更有利于充分利用干擾資源，同時(shí)也更符合雷達(dá)網(wǎng)工作任務(wù)的轉(zhuǎn)變。相比較于圖5只是單一的采用發(fā)現(xiàn)概率作為干擾效果評(píng)估準(zhǔn)則，圖6在采樣點(diǎn)為90之后的分配效果更佳，分配策略也更加接近于戰(zhàn)場(chǎng)實(shí)際，更符合實(shí)際突防過(guò)程中所遭遇的情況。

圖6 自適應(yīng)目標(biāo)函數(shù)全程干擾效果

從表4、5中對(duì)比來(lái)看，干擾機(jī)的資源使用效率更為科學(xué)合理。在實(shí)際突防過(guò)程中，突防編隊(duì)會(huì)先后遭遇搜索、定位兩個(gè)階段。在搜索階段，更多的是將干擾資源向探測(cè)距離更遠(yuǎn)的雷達(dá)4、1、8傾斜；而在定位階段，應(yīng)該將資源更多地分配給重頻高、脈寬寬的雷達(dá)6、2、7。結(jié)合表3可以看出，以自適應(yīng)目標(biāo)函數(shù)干擾資源策略分配更為科學(xué)更符合實(shí)際。

表5 自適應(yīng)目標(biāo)函數(shù)干擾機(jī)使用效率

4 結(jié)論

從理論分析以及仿真中可以看到，在飛機(jī)突防過(guò)程中，干擾效果并非是一成不變的，由于雷達(dá)所處的工作階段不同，采用不同的目標(biāo)函數(shù)以適應(yīng)雷達(dá)工作的不同階段，該方法是可行的。文中分階段評(píng)估雷達(dá)的威脅等級(jí)，并且采用行之有效的干擾效果評(píng)估可以最大化利用己方干擾資源。同時(shí)，論文仍然存在一定問(wèn)題，沒(méi)有分階段7慮采用不同的干擾方式對(duì)干擾效果的影響，比如在搜索階段，可以采用大功率噪聲壓制，而在定位階段，可以采取距離欺騙、角度欺騙等方式來(lái)分析不同干擾方式對(duì)干擾效果的影響，這也是下一步有待完善的地方。