基于人工智能的多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化算法

許 誠，程 強(qiáng)，趙 鵬，程瑋清

（空軍預(yù)警學(xué)院，湖北武漢 430019）

0 引 言

多模態(tài)雷達(dá)是一種采用多種制導(dǎo)模式對目標(biāo)進(jìn)行探測和跟蹤的雷達(dá)系統(tǒng)[1]。多模態(tài)雷達(dá)利用多種不同工作模式的雷達(dá)波束，例如線性調(diào)頻、相位編碼等[2]，可以實現(xiàn)對目標(biāo)的高精度、高分辨率的探測和跟蹤，其可以同時具備寬帶和窄帶雷達(dá)的優(yōu)點，提高雷達(dá)系統(tǒng)性能和可靠性[3]，同時還可以降低雷達(dá)系統(tǒng)的成本。多模態(tài)雷達(dá)在無人駕駛、機(jī)器人、安防監(jiān)控、邊境防護(hù)等領(lǐng)域中應(yīng)用較多[4]。雖然多模態(tài)雷達(dá)作為一種先進(jìn)的雷達(dá)技術(shù)，具有多種工作模式和信號形式，能夠適應(yīng)復(fù)雜環(huán)境和多種目標(biāo)探測需求，但是其面臨著更為復(fù)雜的干擾和防御問題，因此，研究多模態(tài)雷達(dá)自適應(yīng)抗干擾技術(shù)具有重要意義[5]。

文獻(xiàn)[6]為實現(xiàn)雷達(dá)抗干擾，針對雷達(dá)陣列中的干擾色散問題進(jìn)行分析，確定其形成因素后，采用多波束聯(lián)合抗干擾方法進(jìn)行干擾抑制。該方法在應(yīng)用過程中對于單一的干擾信息具有較好的應(yīng)用效果，但對于復(fù)雜干擾信號的抑制效果較差。文獻(xiàn)[7]為提升雷達(dá)抗干擾能力，以假目標(biāo)抗干擾為核心，通過對雷達(dá)信號相位的控制，實現(xiàn)抗干擾，但是該方法在應(yīng)用過程中會影響雷達(dá)其他功能系統(tǒng)的精度。

人工智能由多個領(lǐng)域組成，可實現(xiàn)機(jī)器的智能應(yīng)用，其在應(yīng)用過程中通過機(jī)器視覺、智能控制、自動規(guī)劃等完成目標(biāo)的處理，其在多個領(lǐng)域中均具有較好的應(yīng)用效果[8]。因此，文中針對多模態(tài)雷達(dá)自適應(yīng)抗干擾需求，提出基于人工智能的多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化算法。

1 多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化

1.1 多模態(tài)雷達(dá)信號模型

有源干擾是多模態(tài)雷達(dá)應(yīng)用過程中存在的主要干擾類別，該干擾包含壓制性干擾和欺騙性干擾。其中，壓制性干擾的影響水平十分有限，欺騙性干擾的影響較為嚴(yán)重。欺騙性干擾是由于干擾機(jī)直接將接收的雷達(dá)信號進(jìn)行存儲以及變換后進(jìn)行轉(zhuǎn)發(fā)，以此生成的欺騙干擾信號和目標(biāo)回波之間的相干性較高，導(dǎo)致其在相干處理過程中的抑制效果較差，會造成嚴(yán)重干擾[9-11]。因此，需對干擾信號的載頻、幅度等參數(shù)進(jìn)行處理，以此獲取其中的虛假目標(biāo)信息，并進(jìn)行抗干擾處理。

雷達(dá)發(fā)射信號以線性調(diào)頻信號為例，其計算公式為：

式中：A表示雷達(dá)發(fā)射信號幅度；φ0表示發(fā)射信號初始相位；j表示虛數(shù)單位；φ(t)表示t時刻的信號相位。

如果在雷達(dá)距離為R0處存在一個目標(biāo)，則雷達(dá)接收機(jī)接收的真實信號ST(t)計算公式為：

式中AT表示目標(biāo)信號的幅值。

1.2 干擾信號欺騙原理

通過1.1 節(jié)分析雷達(dá)信號后，文中僅以欺騙性干擾中的兩種典型干擾為例進(jìn)行相關(guān)分析，分別為距離速度同步欺騙干擾和頻譜彌散干擾，兩種干擾的詳細(xì)情況如下所述。

1.2.1 距離速度同步欺騙干擾

雷達(dá)在應(yīng)用過程中能夠同時完成速度和距離的測量，如果只考慮單一的欺騙干擾，那么抗干擾效果較差。因此，需同時對距離和速度進(jìn)行同步干擾，能夠使雷達(dá)獲取錯誤的速度和距離信息[12]，保證抗干擾效果。距離速度同步欺騙干擾的表達(dá)式為：

式中：ARV表示距離速度同步欺騙干擾信號幅度；Δfj表示干擾信號的多普勒頻率；Δtj表示干擾信號的轉(zhuǎn)發(fā)延時。

在進(jìn)行距離速度同步欺騙干擾時，雷達(dá)接收的總回波信號計算公式為：

式中：sse(t)表示目標(biāo)回波；n(t)表示高斯噪聲。

1.2.2 頻譜彌散干擾

頻譜彌散干擾是密集假目標(biāo)的干擾類別之一，其主要是干擾機(jī)截獲空間雷達(dá)信號后，通過對信號進(jìn)行時域壓縮獲取干擾子脈沖時寬[13]，該時寬是截獲信號的1n。如果干擾信號的調(diào)制斜率是截獲信號的n倍，那么采用復(fù)制的方式進(jìn)行干擾信號子脈沖處理即可獲取頻譜彌散干擾。該干擾會先產(chǎn)生1 個子波，其計算公式為：

式中：k′表示調(diào)頻斜率；Ag表示該干擾信號幅度。

將J1(t) 重復(fù)n次即可獲取整個頻譜彌散干擾的時域模型，其計算公式為：

1.3 自適應(yīng)抗干擾優(yōu)化

通過1.2 節(jié)完成干擾信號欺騙原理分析后，則進(jìn)行多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化處理，文中選擇人工智能領(lǐng)域中的YOLOv5s 深度學(xué)習(xí)方法完成自適應(yīng)抗干擾優(yōu)化，方法結(jié)構(gòu)如圖1 所示。

圖1 YOLOv5s 深度學(xué)習(xí)方法結(jié)構(gòu)

YOLOv5s 深度學(xué)習(xí)方法在進(jìn)行多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化時，將獲取的S(t)和J(t)回波數(shù)據(jù)劃分成訓(xùn)練集和測試集，將訓(xùn)練集輸入YOLOv5s 模型中進(jìn)行訓(xùn)練，并獲取訓(xùn)練后模型。

完成模型訓(xùn)練后，將測試集輸入到訓(xùn)練完成的YOLOv5s 模型中進(jìn)行檢測，獲取其中存在干擾的時間和數(shù)據(jù)，并且生成訓(xùn)練張量和待處理張量，分別用F和η表示。

計算各張量在各模態(tài)下的展開矩陣，并獲取矩陣展開情況下的左奇異矩陣Un()n= 1,2,3 ，在此基礎(chǔ)上獲取多域干擾投影子空間矩陣，其計算公式為：

式中：P1、P2、P3分別表示振幅、載波頻率和初始相位三種模態(tài)展開矩陣的投影矩陣。

向估計的子空間中進(jìn)行張量投影，獲取η在該空間中的投影分量?，其公式為：

式中：η1、η2、η3分別表示三種模態(tài)的投影分量結(jié)果。

用η減去公式（8）的計算結(jié)果，即可獲取抑制干擾后的期望信號ηs，其計算公式為：

通過上述內(nèi)容即可完成多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化，實現(xiàn)雷達(dá)欺騙性信號干擾的抑制，提升雷達(dá)的精準(zhǔn)性。

2 實驗結(jié)果分析

為驗證本文算法在多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化中的應(yīng)用效果，文中以某地區(qū)的海洋探測雷達(dá)作為實例研究對象，該地區(qū)使用的多模態(tài)雷達(dá)相關(guān)參數(shù)如表1所示。

表1 多模態(tài)雷達(dá)相關(guān)參數(shù)

為驗證研究算法對于多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化性能，文中采用干擾對消比ξCR和干擾輸出功率Qi作為評價指標(biāo)，兩者的取值均在0～1 之間，干擾對消比ξCR的值越大，表示算法的抗干擾性能越佳；干擾輸出功率Qi的值越小，表示算法的抗干擾性能越佳。干擾對消比ξCR和干擾輸出功率Qi的計算公式為：

式中：wHc和wHa分別表示用于區(qū)分常規(guī)和自適應(yīng)兩種波束形成的對應(yīng)信號幅值；Ri表示接收干擾信號的協(xié)方差矩陣；wc和wa分別表示用于區(qū)分常規(guī)和自適應(yīng)兩種波束形成的對應(yīng)自適應(yīng)權(quán)矢量。

依據(jù)上述公式計算本文算法在不同干擾距離下干擾對消比ξCR和干擾輸出功率Qi的測試結(jié)果，如表2所示。

表2 多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化性能測試結(jié)果

對表2 測試結(jié)果進(jìn)行分析后得出：在不同干擾距離下，通過本文方法進(jìn)行多模態(tài)雷達(dá)自適應(yīng)抗干擾處理后，干擾對消比ξCR的值均在0.935 以上，干擾輸出功率Qi的值均在0.017 以下，該算法能夠有效完成雷達(dá)欺騙干擾信號的抑制。

為直觀驗證本文算法對于多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化的應(yīng)用性，以多干擾和單一干擾兩種干擾類別為例，通過本文算法對其進(jìn)行自適應(yīng)抗干擾優(yōu)化，獲取優(yōu)化前后雷達(dá)的頻率結(jié)果，如圖2 和圖3 所示。

圖2 多干擾優(yōu)化處理結(jié)果

圖3 單一干擾優(yōu)化處理結(jié)果

對圖2 和圖3 測試結(jié)果進(jìn)行分析后得出：通過本文算法進(jìn)行多干擾和單一干擾處理后，雷達(dá)信號頻率中的干擾信號被有效抑制和處理，顯著提升了多模態(tài)雷達(dá)的抗干擾能力，降低欺騙信號的干擾水平，保證雷達(dá)應(yīng)用的精準(zhǔn)性。

3 結(jié) 論

多模態(tài)雷達(dá)在應(yīng)用過程中容易受到欺騙干擾信號的影響，降低雷達(dá)的測量精度，因此，為提升雷達(dá)的抗干擾性能，本文提出基于人工智能的多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化算法。通過多模態(tài)雷達(dá)信號模型分析干擾信號欺騙原理，計算欺騙干擾時雷達(dá)接收的總回波信號，并將其輸入至人工智能的YOLOv5s 深度學(xué)習(xí)模型中，通過訓(xùn)練和映射處理，完成多模態(tài)雷達(dá)自適應(yīng)抗干擾優(yōu)化，測試結(jié)果驗證了該算法的應(yīng)用效果良好，可提升多模態(tài)雷達(dá)的抗干擾能力。