林石 陸春龍 李泓

摘 要：文章針對干擾機進行多部雷達協(xié)同干擾的場景，結合傳統(tǒng)干擾策略的分配算法在實際計算和分析中存在的問題與不足，改用遺傳算法進行雷達協(xié)同干擾策略分配應用，并對其具體計算和分析進行優(yōu)化和改進，通過仿真模擬，對其在實踐中的應用進行驗證，促進雷達協(xié)同干擾分配策略最優(yōu)化目標實現(xiàn)。

關鍵詞：雷達;協(xié)同干擾;策略;干擾措施

0 引言

協(xié)同干擾概念是針對組網雷達所提出的雷達對抗措施。值得注意的是，在雷達協(xié)同干擾策略中，對協(xié)同干擾編隊中的干擾機如何進行有效利用，以有效降低其目標暴露概率以及合理分配干擾資源，是當前有關領域研究和關注的重點之一，對提升現(xiàn)代雷達的對抗效能，有著較為重要的作用和影響。為此，本文將針對雷達協(xié)同干擾場景，對其干擾策略的分配算法進行研究，促進雷達協(xié)同干擾分配策略的計算和分析更加優(yōu)化，以供參考。

1 雷達協(xié)同干擾策略的算法研究

雷達協(xié)同干擾策略的制定過程，實際上是偵干設備對各方向的雷達輻射源信號進行截獲和測量后，在分選識別基礎上實現(xiàn)對雷達網中的各雷達信息獲取，從而對其進行威脅評估和干擾的過程。其中，雷達協(xié)同干擾策略分配的傳統(tǒng)計算方法中，以動態(tài)規(guī)劃算法與0-1規(guī)劃算法等最為典型，但上述計算方法在具體應用中缺乏相應的實時性，導致其計算分析后的協(xié)同干擾策略分配最優(yōu)化目標不能滿足作戰(zhàn)需求。針對這種情況，進行雷達協(xié)同干擾策略分配算法的優(yōu)化和改進，從而為雷達協(xié)同干擾策略分配計算的最優(yōu)化實現(xiàn)提供良好支持[1-2]。

1.1? 雷達協(xié)同干擾策略分配模型建立

雷達協(xié)同干擾策略分配算法中，不僅對現(xiàn)有的干擾資源分配較為關注，同時還要關注干擾樣式的分配等問題。根據這一情況，在進行雷達協(xié)同干擾策略的分配模型構建中，可通過對整個干擾系統(tǒng)中的干擾資源以及所接收的威脅目標進行假設，將威脅等級與幾何精度因子結合作為目標函數(shù)，考慮高威脅等級的雷達干擾因素，建立基于威脅等級的協(xié)同干擾任務分配模型，式（1）、（2）：

上式中，pij為第i部干擾機信號進入第j部雷達接收機時的信噪比，ωj為雷達威脅等級。在進行各目標的威脅等級判定和求值計算后，根據判定計算結果按照從高至低的順序對威脅等級進行排列，并在干擾分配中將干擾資源向目標威脅程度為最大的雷達傾斜，最后再將剩余的干擾資源分配給威脅等級相對較小的雷達，直至所有干擾資源全部分配完為止。

1.2? 計算方法研究

根據上述所建立的雷達協(xié)同干擾策略分配模型，在進行干擾策略的分配計算中，傳統(tǒng)的動態(tài)規(guī)劃算法是根據一定規(guī)則對所有的干擾分配以窮舉法進行干擾分配下的具體效果計算，從而獲得雷達協(xié)同干擾策略分配的最優(yōu)解[3]。

其中，遺傳算法進行干擾策略分配計算是根據適應度的大小，以“優(yōu)勝劣汰”為原則進行個體計算，并在遺傳學的遺傳算子支持下對個體進行組合、交叉與變異等操作，最終實現(xiàn)新的種群獲取。值得注意的是，采用遺傳算法進行雷達協(xié)同干擾策略分配計算中，由于遺傳算法中的交叉與變異概率對算法收斂有著重要的影響，而基本遺傳算法中的交叉與變異概率為定值，為此，本文在采用遺傳算法進行雷達協(xié)同干擾策略分配計算中，結合每一代種群的最優(yōu)適應度與平均適應度情況，采用自適應的交叉與變異概率，對其迭代計算中的最優(yōu)解尋找能力進行提升，以避免其計算分析中過早陷入局部最優(yōu)解，對整個計算分析結果產生影響。首先，在對遺傳算法的選擇操作進行改進中，由于基本的遺傳算法是采用“優(yōu)勝劣汰”原則進行個體選擇，而所選擇個體均為對應種群中求解問題的最優(yōu)解，并會作為下一代種群因子在交叉與變異操作中完成迭代計算，對下一步的操作進行支持。因此，本文在對遺傳算法的選擇操作改進中，通過將最優(yōu)個體的基因組成進行保留，不參與后續(xù)交叉與變異等操作，而是將具有較高適應度的個體進行選擇以進行交叉和變異，廢除了基本遺傳算法中隨機選擇個體進行交叉、變異等操作，從而使最優(yōu)個體在競爭過程中實現(xiàn)更優(yōu)個體獲取和保留，最終確保各種群中的個體均具有較高的適應度。其次，在對上述遺傳算法的交叉操作改進中，由于對交叉操作中染色體的選取，是從交叉概率等因素方面進行考慮，而基本遺傳算法的交叉概率為一定的情況，容易導致該算法中交叉概率過大時適應度較好的個體被交叉，對其算法收斂產生不利影響，反之則不能實現(xiàn)種群個體的多樣性保證。針對這種情況，為實現(xiàn)算法收斂與初期種群個體多樣性等要求的平衡，本文還采用了自適應的交叉概率進行遺傳算法交叉操作改進，其具體計算公式（3）所示。該公式中的favg為種群個體平均適應度，f為種群中需要交叉的個體適應度，A表示調整系數(shù)，Pemax，Pemin分別為最大、最小交叉概率，fmax，fmin分別表示的是種群的最大、最小適應度。

此外，上述雷達協(xié)同干擾策略分配算法中，對遺傳算法的變異操作改進所采用的變異概率計算公式（4）所示。該公式中的Pmmax，Pmmin分別為最大、最小變異概率。

2 仿真分析

根據上述所建立的雷達協(xié)同干擾策略分配模型及其算法研究，在對其算法驗證中，以某戰(zhàn)場區(qū)域中的雷達網組成和干擾機編隊情況、雷達干擾目的等為例，在掌握其雷達網的布站以及雷達、干擾機編隊位置與航跡、目標等情況下，通過獲取干擾機偵察分選獲得的各雷達信息，按照上述算法對其進行計算分析，結果顯示通過改進后的遺傳算法在雷達協(xié)同干擾策略分配中的最優(yōu)解計算和尋找性能明顯得到優(yōu)化和提升，具有較好的應用效果。圖1與圖2即為采用基本遺傳算法與改進后的遺傳算法對上述模擬場景進行仿真研究的結果示意圖。

3 結語

總之，本文結合雷達協(xié)同干擾策略分配中傳統(tǒng)動態(tài)規(guī)劃算法的不足，通過建立新的雷達協(xié)同干擾策略分配模型，采用遺傳算法與粒子群算法進行干擾策略分配研究，以實現(xiàn)雷達協(xié)同干擾策略分配的計算方法優(yōu)化，經仿真研究顯示，優(yōu)化后的雷達協(xié)同干擾策略分配算法，不僅具有更快的收斂速度，能夠有效避免陷入局部最優(yōu)解情況發(fā)生，而且能夠實現(xiàn)每次計算分析的最優(yōu)分配策略獲取，效果較為顯著。

[參考文獻]

[1]戴少懷，楊革文，李旻，等.改進粒子群算法的組網雷達協(xié)同干擾資源分配[J].航天電子對抗，2020（4）：29-34，45.

[2]譙梁，楊帥，王鑫，等.雷達干擾效果評估與協(xié)同干擾策略分配算法研究[J].航天電子對抗，2019（3）：27-32.

[3]付昕瑩.雷達協(xié)同干擾策略及干擾方法研究[D].成都：電子科技大學，2020.

（編輯 何 琳）