基于生成對(duì)抗網(wǎng)絡(luò)的偽碼調(diào)相脈沖多普勒引信引導(dǎo)式干擾方法

李劍鋒，閆曉鵬，郝新紅，于洪海

(北京理工大學(xué) 機(jī)電動(dòng)態(tài)控制重點(diǎn)實(shí)驗(yàn)室，北京 100081)

0 引言

引導(dǎo)式干擾是通過偵察手段獲取干擾對(duì)象的頻率、調(diào)制類型及參數(shù)等信息，以此針對(duì)性構(gòu)造干擾信號(hào)，達(dá)到使無線電引信產(chǎn)生早炸的目的[1]。偽碼調(diào)相脈沖多普勒引信對(duì)回波進(jìn)行距離門選通以及偽隨機(jī)碼二次相關(guān)處理，使得引信具有較強(qiáng)抗噪聲調(diào)幅和調(diào)頻等引導(dǎo)式干擾性能，以及較好的速度與距離分辨能力[2-4]。為了實(shí)現(xiàn)對(duì)偽碼調(diào)相脈沖多普勒引信的有效干擾，相關(guān)學(xué)者針對(duì)偽碼調(diào)相脈沖多普勒引信提出了不同的參數(shù)提取方法，文獻(xiàn)[5-8]利用3階自相關(guān)函數(shù)及2階循環(huán)統(tǒng)計(jì)量對(duì)偽碼調(diào)相信號(hào)進(jìn)行估計(jì)。但這些方法在低信噪比環(huán)境下難以精準(zhǔn)的獲取信號(hào)參數(shù)及特征，傳統(tǒng)方法重構(gòu)的偽碼調(diào)相脈沖多普勒引信干擾信號(hào)能力不足，因此對(duì)偽碼調(diào)相脈沖多普勒引信的干擾效果并不理想。

為能夠在低信噪比環(huán)境下提高對(duì)偽碼調(diào)相脈沖多普勒引信的干擾效率，提出了一種基于生成對(duì)抗網(wǎng)絡(luò)(GAN)[9]的偽碼調(diào)相脈沖多普勒引信引導(dǎo)式干擾方法，利用生成對(duì)抗網(wǎng)絡(luò)對(duì)無線電引信中頻信號(hào)進(jìn)行重構(gòu)，以此生成干擾信號(hào)對(duì)無線電引信進(jìn)行引導(dǎo)欺騙式干擾。GAN是人工智能領(lǐng)域中的生成式模型，已經(jīng)廣泛應(yīng)用于圖像生成、語(yǔ)音生成等領(lǐng)域，并取得了非常好的效果[10-15]。楊龍等[16]、于浩洋等[17]將GAN應(yīng)用雷達(dá)對(duì)抗中，并取得了很好的效果；向亞麗等[18]提出將GAN用于噪聲干擾消除，仿真驗(yàn)證了該方法的優(yōu)越性。然而，無線電引信干擾對(duì)實(shí)時(shí)性要求很高，一定程度上限制了深度學(xué)習(xí)方法在無線電引信干擾技術(shù)上的應(yīng)用。

近年來，隨著人工智能的發(fā)展與芯片運(yùn)算能力的大幅提升，已經(jīng)基本具備在極短時(shí)間內(nèi)完成信號(hào)學(xué)習(xí)的能力，使得GAN等深度學(xué)習(xí)方法在引信干擾中應(yīng)用逐漸成為可能。因此，本文將GAN網(wǎng)絡(luò)移用于引信干擾波形重構(gòu)中，以提高引信干擾的有效性。該方法能夠在低信噪環(huán)境下精準(zhǔn)的重構(gòu)干擾信號(hào)，達(dá)到理想的干擾效果，仿真和實(shí)驗(yàn)結(jié)果表明，在低信噪比環(huán)境下干擾效果優(yōu)于傳統(tǒng)的引導(dǎo)式干擾。

1 偽碼調(diào)相脈沖多普勒引信工作原理

偽碼調(diào)相脈沖多普勒引信是脈沖幅度調(diào)制與偽隨機(jī)二相碼復(fù)合調(diào)制引信，其工作原理框圖如圖1所示[8]。當(dāng)回波信號(hào)滿足固定的距離延遲、與本地延遲的偽碼完全相關(guān)時(shí)，相關(guān)器輸出信號(hào)幅值最大，經(jīng)多普勒濾波、幅值檢波等信號(hào)處理，產(chǎn)生啟動(dòng)信號(hào)，觸發(fā)執(zhí)行機(jī)構(gòu)。圖1中，Sr(t)為回波信號(hào)，S1(t)為帶通濾波后信號(hào)，Sd(t)為混頻后信號(hào)，PPAM為偽碼調(diào)相脈沖多普勒引信偽隨機(jī)碼信號(hào)。

1.1 偽碼調(diào)相脈沖多普勒引信發(fā)射信號(hào)

偽隨機(jī)碼p(t)可以表示為

i=0,1,…,∞;k=0,±1,±2,…,±∞

(1)

式中：P為偽隨機(jī)碼序列長(zhǎng)度；Tm為偽隨機(jī)碼碼元寬度；TR為偽隨機(jī)碼碼元周期，TR=PTm；Ci={+1,-1}為雙極性偽隨機(jī)碼序列。

偽隨機(jī)碼產(chǎn)生過程如圖2所示，偽碼調(diào)相脈沖多普勒引信偽隨機(jī)碼pPAM(t)可以表示為

i=0,1,…,∞;k=0,±1,±2,…,±∞

(2)

偽碼調(diào)相脈沖多普勒引信發(fā)射信號(hào)St(t)可以表示為

St(t)=AtpPAMcos(ω0t+φ0)

(3)

式中：At為射頻脈沖幅度；ω0為載波角頻率；t為時(shí)間；φ0為初始相位。

1.2 偽碼調(diào)相脈沖多普勒引信回波信號(hào)處理

偽碼調(diào)相脈沖多普勒引信的目標(biāo)回波信號(hào)Sr(t)可表示為

Sr(t)=ArpPAM(t-τ(t))cos[(ω0+ωd)t]

(4)

式中：Ar為回波幅度；τ(t)為目標(biāo)回波延遲時(shí)間；ωd為多普勒頻率。

回波信號(hào)通過帶通濾波器后進(jìn)入混頻器，與本振信號(hào)混頻，經(jīng)低通濾波后，通過距離門選通進(jìn)入相關(guān)器，距離門選通脈沖信號(hào)是由脈沖發(fā)生器產(chǎn)生的脈沖信號(hào)作預(yù)定距離門延遲τA生成的。相關(guān)器的本地相關(guān)參考碼是偽隨機(jī)碼序列作預(yù)定時(shí)間延遲τi而得的。其中τi=τA+kpTr,kp=0,1,…,P-1，進(jìn)行相關(guān)檢測(cè)得到相關(guān)輸出信號(hào)ST(t)為

(5)

2 基于GAN的偽碼調(diào)相脈沖多普勒引信干擾原理

干擾信號(hào)的重構(gòu)精度是決定引信引導(dǎo)式干擾效果的主要因素之一?；贕AN的偽碼調(diào)相脈沖多普勒引信干擾方法利用GAN對(duì)接收到的引信信號(hào)深度學(xué)習(xí)并由此重構(gòu)出干擾信號(hào)。由于在低信噪比條件下重構(gòu)出的干擾信號(hào)與引信信號(hào)具有非常高的相關(guān)度，避免了低信噪比條件下引導(dǎo)式干擾參數(shù)估計(jì)精度不足的問題，對(duì)于偽碼調(diào)相脈沖多普勒引信而言，可以突破引信的二次相關(guān)檢測(cè)，從而達(dá)到較為理想的干擾效果。

2.1 對(duì)接收到的引信信號(hào)預(yù)處理

2.1.1 時(shí)頻分析

干擾接收機(jī)偵收到偽碼調(diào)相脈沖多普勒引信信號(hào)后，經(jīng)過濾波及去載頻處理后得到中頻信號(hào)，其時(shí)域波形如圖3(a)所示，對(duì)中頻信號(hào)進(jìn)行頻域分析得到其功率譜。頻譜中大包絡(luò)寬度為1/TR，每根譜線之間的距離為1/Tr。

以時(shí)間t0對(duì)中頻信號(hào)進(jìn)行剪裁，t0≥2TR，得到一定數(shù)量的波形片段，并對(duì)中頻信號(hào)片段進(jìn)行短時(shí)傅里葉變換(STFT)處理。STFT的數(shù)學(xué)表達(dá)式定義如下：

(6)

式中：f表示頻率；sc(t)表示待分析的偽碼調(diào)相脈沖多普勒引信中頻信號(hào)；*表示復(fù)數(shù)共軛；γ(t)表示窗函數(shù)。為避免由于輸入信號(hào)功率差異造成的特征量偏差，對(duì)得到的STFT時(shí)頻圖像進(jìn)行幅值歸一化處理，利用已訓(xùn)練好的降噪網(wǎng)絡(luò)[19]對(duì)STFT數(shù)據(jù)進(jìn)行降噪處理，該網(wǎng)絡(luò)是一種前饋降噪卷積神經(jīng)網(wǎng)絡(luò)(DnCNN)，采用了用殘差學(xué)習(xí)、加入批量歸一化。將降噪后的STFT數(shù)據(jù)表示為圖像如圖3(b)所示。隨后獲取偽碼調(diào)相脈沖多普勒引信中頻信號(hào)的相位信息，同STFT一同傳入GAN網(wǎng)絡(luò)模型進(jìn)行下一步處理。

2.1.2 信號(hào)降噪處理

利用深度殘差神經(jīng)網(wǎng)絡(luò)的想法，文獻(xiàn)[20]提出一種前饋降噪卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法，采用了用殘差學(xué)習(xí)、加入批量歸一化。不同于分類模型中的殘差神經(jīng)網(wǎng)絡(luò)，去噪模型中純凈圖片為xi，帶噪聲圖片為yi，即網(wǎng)絡(luò)的輸入為yi=xi+n，其中n是殘差圖片，采用殘差學(xué)習(xí)公式來訓(xùn)練殘差映射F(y)≈n，去噪模型的優(yōu)化目標(biāo)為真實(shí)殘差圖片與網(wǎng)絡(luò)輸出之間的均方誤差：

(7)

2.2 基于GAN的干擾信號(hào)重構(gòu)

2.2.1 生成對(duì)抗網(wǎng)絡(luò)

GAN基本結(jié)構(gòu)如圖4所示，主要包含兩個(gè)部分：一是生成模型G，用來學(xué)習(xí)真實(shí)數(shù)據(jù)的真實(shí)分布特征，并生成新的數(shù)據(jù)，生成模型是以噪聲或者隨機(jī)序列作為輸入得到第一代的生成數(shù)據(jù)；另一個(gè)是判別模型D，用來判斷一個(gè)樣本是真實(shí)樣本還是生成樣本，判別模型的輸入數(shù)據(jù)包括真實(shí)數(shù)據(jù)和生成模型的生成數(shù)據(jù)，其本質(zhì)上是一個(gè)二元分類器，將真實(shí)數(shù)據(jù)標(biāo)記為1，生成數(shù)據(jù)標(biāo)記為0。兩個(gè)模型之間基于博弈論的思想通過對(duì)抗的方式來共同學(xué)習(xí)訓(xùn)練，直到生成與輸入數(shù)據(jù)相關(guān)度極高的數(shù)據(jù)。

生成模型與判別模型都是由深度神經(jīng)網(wǎng)絡(luò)構(gòu)成的，利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的擬合能力，在每一次交叉迭代訓(xùn)練中，修正生成模型參數(shù)，生成數(shù)據(jù)傳入鑒別模型，計(jì)算判別模型的損失函數(shù)，經(jīng)反向傳播更新判別模型參數(shù)；隨后固定判別模型參數(shù)，計(jì)算生成模型的損失函數(shù)，反向傳播更新生成模型的參數(shù)，如此往復(fù)直至判別模型無法判斷數(shù)據(jù)是來自輸入數(shù)據(jù)還是生成數(shù)據(jù)，最終GAN逼近納什均衡解。

真實(shí)樣本模型可以表示為X，生成樣本模型可以表示為Z，則有

X={x(1),x(2),…,x(m)}

Z={z(1),z(2),…,z(m)}

(8)

設(shè)真實(shí)數(shù)據(jù)的數(shù)據(jù)分布可以表示為pX(x)，生成模型的概率分布可以表示為pG(x)，生成模型參數(shù)為θ，且生成數(shù)據(jù)的數(shù)據(jù)分布為pG(z;θ)，模型訓(xùn)練過程中得到合適的θ使得pG(z;θ)無限接近pX(x)，最優(yōu)生成模型參數(shù)值存在唯一解，且該唯一解滿足pG(z)=pX(x)。GAN的目標(biāo)函數(shù)表示為

V(G,D)=Ex～pX[log2D(x)]+Ez～pG[log2(1-D(z))]=

(9)

式中：Ex～pX、Ez～pG表示pX和pG兩種分布的期望；D(x)表示x來自于真實(shí)數(shù)據(jù)分布而不是z的概率。

GAN網(wǎng)絡(luò)的目的是最小化生成數(shù)據(jù)與真實(shí)數(shù)據(jù)之間的差異。

(10)

式中：arg表示自變量，判別模型就是對(duì)輸入數(shù)據(jù)進(jìn)行一個(gè)二分類，當(dāng)數(shù)據(jù)進(jìn)入判別模型時(shí)可以認(rèn)為生成模型參數(shù)是固定的訓(xùn)練過程中最大化目標(biāo)函數(shù)D*：

(11)

最優(yōu)判別器滿足：

(12)

判別模型的目的就是優(yōu)化D：

Ex～pX[log2D(x)]+Ez～pG[log2(1-D(z))]

(13)

GAN網(wǎng)絡(luò)是生成模型與鑒別模型之間相互博弈的過程，即最大值與最小值的問題。

Ez～pG[log2(1-D(z))]

(14)

2.2.2 基于GAN的干擾波形生成

基于GAN的干擾波型生成模型如圖5所示。經(jīng)預(yù)處理后的數(shù)據(jù)傳入GAN模型中進(jìn)行訓(xùn)練學(xué)習(xí)，經(jīng)過生成模型與鑒別模型的博弈后生成與真實(shí)樣本數(shù)據(jù)相似度極高的信號(hào)，以此信號(hào)為中頻信號(hào)進(jìn)行上變頻，并對(duì)信號(hào)采用不同的延時(shí)后，由發(fā)射天線向干擾目標(biāo)發(fā)射重構(gòu)的干擾信號(hào)。

將生成信號(hào)作為中頻信號(hào)上變頻重構(gòu)干擾信號(hào)sj為

sj=Ajzj(t)cos(2πfjt)

(15)

式中：Aj為重構(gòu)干擾信號(hào)幅值；zj(t)為GAN生成的中頻信號(hào)，可以近似表示為Zj(t)≈pPAM(t)；fj為干擾信號(hào)載頻，令fj≈f0，f0為引信信號(hào)中心頻率，可通過干擾機(jī)接收機(jī)偵測(cè)獲得。

將重構(gòu)的干擾信號(hào)進(jìn)行延時(shí)，令延遲時(shí)間τ以一定的步長(zhǎng)Δt不斷變化，最大延時(shí)次數(shù)為N，從而可以確保模擬引信目標(biāo)回波延時(shí)，使干擾信號(hào)可以通過引信的距離門檢測(cè)，延時(shí)后由發(fā)射天線向目標(biāo)引信發(fā)射干擾信號(hào)，引信接收到的干擾信號(hào)為

(16)

式中：A為引信接收到的干擾信號(hào)幅值。

干擾信號(hào)被引信接收后，首先通過一個(gè)中心頻率為載頻ω0的帶通濾波器，用以濾除帶外噪聲。隨后進(jìn)入混頻器，與本振信號(hào)U0(t)混頻，經(jīng)距離門及低通濾波后，獲得輸出信號(hào)為

(17)

式中：U0為引信載波幅度；fd為干擾信號(hào)產(chǎn)生的多普勒頻率。

干擾信號(hào)經(jīng)距離門及恒虛警放大限幅處理后進(jìn)入相關(guān)器，并與引信本地相關(guān)參考碼進(jìn)行相關(guān)檢測(cè)，得到相關(guān)輸出信號(hào)為

cos[2πfd(τ-nΔt)]dt

(18)

此時(shí)相關(guān)輸出可以表示為

JGAN(t)=

(19)

3 仿真與討論

根據(jù)圖5所示干擾波形生成模型開展針對(duì)偽碼調(diào)相脈沖多普勒引信的仿真實(shí)驗(yàn)。仿真工作參數(shù)設(shè)置如下：m序列偽碼調(diào)相脈沖多普勒引信工作載頻f0=100 MHz(原本10 GHz)；脈沖重復(fù)周期Tr=100 ns；脈沖寬度τ0=20 ns；脈沖占空比α=0.2；仿真采樣率fs=1 GHz，m序列本原多項(xiàng)式為f(x)=x5+x2+1。

對(duì)m序列偽碼調(diào)相脈沖多普勒引信信號(hào)作頻譜分析如圖6所示。

仿真實(shí)驗(yàn)前搭建生成對(duì)抗網(wǎng)絡(luò)，結(jié)構(gòu)如表1、表2所示。

表1 GAN生成模塊結(jié)構(gòu)

表2 GAN判別模塊結(jié)構(gòu)

根據(jù)上述參數(shù)搭建網(wǎng)絡(luò)結(jié)構(gòu)后，截取500個(gè)信號(hào)片段作STFT并將STFT的數(shù)據(jù)作為真實(shí)數(shù)據(jù)傳入訓(xùn)練網(wǎng)絡(luò)，采樣點(diǎn)數(shù)為16 384個(gè)點(diǎn)，仿真環(huán)境為MATLAB軟件，訓(xùn)練代數(shù)為1 000，生成模型學(xué)習(xí)率為0.001，鑒別模型學(xué)習(xí)率為0.001，衰減設(shè)定為0.5。將信噪比為-5 dB時(shí)真實(shí)數(shù)據(jù)傳入模型并進(jìn)行訓(xùn)練，在生成干擾波形時(shí)只需要消耗121 ms既可以生成全新的干擾波形。訓(xùn)練完成后生成的中頻波形數(shù)據(jù)如圖7所示。

得到偽隨機(jī)碼后對(duì)干擾信號(hào)進(jìn)行重構(gòu)，在GAN生成的干擾信號(hào)作用下得到引信相關(guān)器輸出信號(hào)波形如圖8所示，分別為GAN重構(gòu)干擾信號(hào)作用下的引信相關(guān)器輸出、啟動(dòng)信號(hào)及目標(biāo)回波作用下的引信相關(guān)器輸出。從圖8中可以看出，在GAN重構(gòu)干擾信號(hào)作用下，引信可以啟動(dòng)并且相關(guān)峰可以完全覆蓋目標(biāo)回波信號(hào)作用下引信相關(guān)器輸出的相關(guān)峰，能夠?qū)σ女a(chǎn)生有效的欺騙性干擾。

為驗(yàn)證GAN相比于傳統(tǒng)引導(dǎo)式干擾的有效性，仿真采用方波調(diào)幅信號(hào)、正弦調(diào)幅信號(hào)對(duì)偽碼調(diào)相脈沖多普勒引信實(shí)施干擾，不同干擾信號(hào)在相同干擾功率下對(duì)偽碼調(diào)相脈沖多普勒引信的干擾效果如圖9所示，并將其與圖8中的效果進(jìn)行對(duì)比。在相同干擾功率條件下，正弦波調(diào)幅和方波調(diào)幅干擾信號(hào)作用下引信相關(guān)器輸出信號(hào)幅值很小，仿真中引信不能正常啟動(dòng)。而GAN網(wǎng)絡(luò)重構(gòu)干擾信號(hào)可以使引信正常啟動(dòng)，從而證明在相同干擾功率下，基于GAN的干擾波型重構(gòu)方法對(duì)引信的干擾效果更佳。

將GAN重構(gòu)方法和文獻(xiàn)[8]的碼元重構(gòu)方法對(duì)偽碼調(diào)相脈沖多普勒引信進(jìn)行對(duì)比，文獻(xiàn)采用3階自相關(guān)函數(shù)法對(duì)m序列進(jìn)行估計(jì)，以獲取m序列的本原多項(xiàng)式，進(jìn)而得到其完整碼元重構(gòu)干擾信號(hào)。文獻(xiàn)定義3階自相關(guān)函數(shù)為

(20)

式中：p、q為偏移量；l為離散時(shí)間序列。

在-5 dB環(huán)境下，利用基于GAN的引信引導(dǎo)式干擾方法重構(gòu)信號(hào)后作用于偽碼調(diào)相脈沖多普勒引信，引信相關(guān)及啟動(dòng)輸出如圖11所示，引信可以輸出較寬的相關(guān)峰引信啟動(dòng)，表明-5 dB時(shí)基于GAN的偽碼調(diào)相脈沖多普勒引信引導(dǎo)式干擾方法可以重構(gòu)出與引信相關(guān)度很高的干擾信號(hào)，重構(gòu)效果優(yōu)于文獻(xiàn)[8]的方法。

由上述仿真結(jié)果可知，基于GAN的偽碼調(diào)相脈沖多普勒引信引導(dǎo)式干擾方法可以對(duì)偽碼調(diào)相脈沖多普勒引信產(chǎn)生有效的干擾，且在低信噪比條件下效果優(yōu)于傳統(tǒng)引導(dǎo)式干擾及文獻(xiàn)[8]提出的基于碼元重構(gòu)的偽碼調(diào)相脈沖多普勒引信干擾方法，對(duì)引信碼元的重構(gòu)不受碼元抽頭數(shù)的限制。

4 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證前述結(jié)論，對(duì)偽碼調(diào)相脈沖多普勒引信實(shí)施干擾。實(shí)驗(yàn)過程在微波暗室中進(jìn)行，根據(jù)功率等效原則，近距離采用無線電引信干擾實(shí)驗(yàn)系統(tǒng)硬件平臺(tái)模擬生成多種干擾信號(hào)，對(duì)偽碼調(diào)相脈沖多普勒引信進(jìn)行干擾。無線電引信干擾實(shí)驗(yàn)系統(tǒng)原理樣機(jī)天線接收到引信信號(hào)后，首先經(jīng)過下變頻模塊將引信信號(hào)由射頻頻段下變至中頻頻段。無線電引信干擾實(shí)驗(yàn)系統(tǒng)硬件系統(tǒng)樣機(jī)在A/D 轉(zhuǎn)換器后預(yù)留了觀測(cè)接口，可以將該接口連接至示波器，從而直接觀測(cè)到中頻信號(hào)的時(shí)域波形，實(shí)驗(yàn)場(chǎng)景如圖15所示。

觀測(cè)并記錄引信在不同干擾信號(hào)作用下的啟動(dòng)情況及啟動(dòng)最小干擾功率。圖16所示為偽碼調(diào)相脈沖多普勒引信頻譜。圖17為重構(gòu)干擾信號(hào)作用下，偽碼調(diào)相脈沖多普勒引信原理樣機(jī)的啟動(dòng)情況。其中黃色波形表示引信相關(guān)器輸出信號(hào)，藍(lán)色波形表示引信啟動(dòng)信號(hào)。由圖17可以看出，基于GAN重構(gòu)的干擾信號(hào)可以產(chǎn)生明顯的相關(guān)峰，使偽碼調(diào)相脈沖多普勒引信啟動(dòng)。

實(shí)驗(yàn)過程中記錄使引信啟動(dòng)的最小干擾功率，為保證實(shí)驗(yàn)結(jié)果的有效性，在確保能夠成功干擾引信的基礎(chǔ)上，選取了干擾效果較為穩(wěn)定、成功率較高的干擾參數(shù)進(jìn)行設(shè)置。表3給出了相同實(shí)驗(yàn)條件情況下，GAN重構(gòu)干擾、典型壓制式干擾以及數(shù)字射頻存儲(chǔ)(DRFM)干擾信號(hào)成功干擾引信所需的最小干擾功率。由表3可以看出，多種干擾信號(hào)中，基于GAN的干擾信號(hào)可以使偽碼調(diào)相脈沖多普勒引信啟動(dòng)，且使引信啟動(dòng)的最小干擾功率最低，表明具有最優(yōu)的干擾效果，實(shí)驗(yàn)結(jié)果與仿真結(jié)果一致。分析其原因可得：引信發(fā)射信號(hào)在傳播過程中會(huì)伴隨信噪比的損失，此時(shí)DRFM存儲(chǔ)并轉(zhuǎn)發(fā)的引信信號(hào)已經(jīng)失真，其轉(zhuǎn)發(fā)信號(hào)與引信發(fā)射信號(hào)相關(guān)性下降；而GAN重構(gòu)信號(hào)能夠根據(jù)訓(xùn)練樣本與對(duì)抗生成網(wǎng)絡(luò)，重構(gòu)出與引信信號(hào)相關(guān)性較高的干擾信號(hào)，使引信對(duì)其信干比處理增益最小，因此能夠以較小的功率成功干擾引信。

表3 偽碼脈沖多普勒引信啟動(dòng)干擾實(shí)驗(yàn)測(cè)試結(jié)果統(tǒng)計(jì)表

為更直觀地體現(xiàn)GAN重構(gòu)干擾信號(hào)的干擾效果，采用信干比增益作為量化指標(biāo)來衡量干擾效率，定義信干比增益為

GSJR=SJRo-SJRi

(21)

式中：SJRo表示引信接收機(jī)輸出信干比；SJRi表示引信接收機(jī)輸入干信比。由信干比增益定義可知，引信對(duì)接收信號(hào)信干比增益越小，表明干擾效率越高，實(shí)驗(yàn)結(jié)果如表4所示。由表4可知，引信對(duì)GAN重構(gòu)干擾信號(hào)信干比增益最小，因此GAN重構(gòu)干擾信號(hào)干擾效率要優(yōu)于正弦調(diào)頻、方波調(diào)幅等其它幾類干擾。

表4 偽碼脈沖多普勒引信啟動(dòng)干擾實(shí)驗(yàn)信干比增益統(tǒng)計(jì)表

5 結(jié)論

本文針對(duì)低信噪比環(huán)境下難以準(zhǔn)確估計(jì)復(fù)合調(diào)制引信信號(hào)參數(shù)，造成傳統(tǒng)引導(dǎo)式干擾方法對(duì)偽碼調(diào)相脈沖多普勒引信干擾效率低的問題，提出了基于GAN的偽碼調(diào)相脈沖多普勒引信引導(dǎo)式干擾方法，理論推導(dǎo)并實(shí)驗(yàn)驗(yàn)證了論文所提方法的有效性。得出主要結(jié)論如下：

1)基于GAN生成的干擾信號(hào)能夠突破引信的距離門及二次相關(guān)檢測(cè)，從而對(duì)引信產(chǎn)生干擾。

2)引信信號(hào)處理電路對(duì)基于GAN重構(gòu)的干擾信號(hào)處理增益小，基于GAN重構(gòu)的干擾信號(hào)能夠以較低的功率成功干擾引信。

3)與傳統(tǒng)引導(dǎo)式干擾方法相比，基于GAN的偽碼調(diào)相脈沖多普勒引信引導(dǎo)式干擾方法能夠在低信噪環(huán)境下對(duì)無線電引信產(chǎn)生更好的欺騙式干擾效果。

接下來將繼續(xù)研究基于GAN重構(gòu)信號(hào)對(duì)不同體制引信的干擾效果。