李劍鋒，閆曉鵬，郝新紅，于洪海

(北京理工大學(xué) 機(jī)電動態(tài)控制重點實驗室，北京 100081)

0 引言

引導(dǎo)式干擾是通過偵察手段獲取干擾對象的頻率、調(diào)制類型及參數(shù)等信息，以此針對性構(gòu)造干擾信號，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]。為了實現(xiàn)對偽碼調(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)計量對偽碼調(diào)相信號進(jìn)行估計。但這些方法在低信噪比環(huán)境下難以精準(zhǔn)的獲取信號參數(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能力不足，因此對偽碼調(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，利用生成對抗網(wǎng)絡(luò)對無線電引信中頻信號進(jìn)行重構(gòu)，以此生成干擾信號對無線電引信進(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，仿真驗證了該方法的優(yōu)越性。然而，無線電引信干擾對實時性要求很高，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)展與芯片運算能力的大幅提升，已經(jīng)基本具備在極短時間內(nèi)完成信號學(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，達(dá)到理想的干擾效果，仿真和實驗結(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)回波信號滿足固定的距離延遲、與本地延遲的偽碼完全相關(guān)時，相關(guān)器輸出信號幅值最大，經(jīng)多普勒濾波、幅值檢波等信號處理，產(chǎn)生啟動信號，觸發(fā)執(zhí)行機(jī)構(gòu)。圖1中，Sr(t)為回波信號，S1(t)為帶通濾波后信號，Sd(t)為混頻后信號，PPAM為偽碼調(diào)相脈沖多普勒引信偽隨機(jī)碼信號。

1.1 偽碼調(diào)相脈沖多普勒引信發(fā)射信號

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處理

偽碼調(diào)相脈沖多普勒引信的目標(biāo)回波信號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)回波延遲時間；ωd為多普勒頻率。

回波信號通過帶通濾波器后進(jìn)入混頻器，與本振信號混頻，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是由脈沖發(fā)生器產(chǎn)生的脈沖信號作預(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)檢測得到相關(guān)輸出信號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對接收到的引信信號深度學(xué)習(xí)并由此重構(gòu)出干擾信號。由于在低信噪比條件下重構(gòu)出的干擾信號與引信信號具有非常高的相關(guān)度，避免了低信噪比條件下引導(dǎo)式干擾參數(shù)估計精度不足的問題，對于偽碼調(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，從而達(dá)到較為理想的干擾效果。

2.1 對接收到的引信信號預(yù)處理

2.1.1 時頻分析

干擾接收機(jī)偵收到偽碼調(diào)相脈沖多普勒引信信號后，經(jīng)過濾波及去載頻處理后得到中頻信號，其時域波形如圖3(a)所示，對中頻信號進(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。

以時間t0對中頻信號進(jìn)行剪裁，t0≥2TR，得到一定數(shù)量的波形片段，并對中頻信號片段進(jìn)行短時傅里葉變換(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；*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功率差異造成的特征量偏差，對得到的STFT時頻圖像進(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的干擾信號重構(gòu)

2.2.1 生成對抗網(wǎng)絡(luò)

GAN基本結(jié)構(gòu)如圖4所示，主要包含兩個部分：一是生成模型G，用來學(xué)習(xí)真實數(shù)據(jù)的真實分布特征，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)；另一個是判別模型D，用來判斷一個樣本是真實樣本還是生成樣本，判別模型的輸入數(shù)據(jù)包括真實數(shù)據(jù)和生成模型的生成數(shù)據(jù)，其本質(zhì)上是一個二元分類器，將真實數(shù)據(jù)標(biāo)記為1，生成數(shù)據(jù)標(biāo)記為0。兩個模型之間基于博弈論的思想通過對抗的方式來共同學(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，判別模型就是對輸入數(shù)據(jù)進(jìn)行一個二分類，當(dāng)數(shù)據(jù)進(jìn)入判別模型時可以認(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樣本數(shù)據(jù)相似度極高的信號，以此信號為中頻信號進(jìn)行上變頻，并對信號采用不同的延時后，由發(fā)射天線向干擾目標(biāo)發(fā)射重構(gòu)的干擾信號。

將生成信號作為中頻信號上變頻重構(gòu)干擾信號sj為

sj=Ajzj(t)cos(2πfjt)

(15)

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

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

(16)

式中：A為引信接收到的干擾信號幅值。

干擾信號被引信接收后，首先通過一個中心頻率為載頻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U0(t)混頻，經(jīng)距離門及低通濾波后，獲得輸出信號為

(17)

式中：U0為引信載波幅度；fd為干擾信號產(chǎn)生的多普勒頻率。

干擾信號經(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，得到相關(guān)輸出信號為

cos[2πfd(τ-nΔt)]dt

(18)

此時相關(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偽碼調(diào)相脈沖多普勒引信的仿真實驗。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序列本原多項式為f(x)=x5+x2+1。

對m序列偽碼調(diào)相脈沖多普勒引信信號作頻譜分析如圖6所示。

仿真實驗前搭建生成對抗網(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個信號片段作STFT并將STFT的數(shù)據(jù)作為真實數(shù)據(jù)傳入訓(xùn)練網(wǎng)絡(luò)，采樣點數(shù)為16 384個點，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時真實數(shù)據(jù)傳入模型并進(jìn)行訓(xùn)練，在生成干擾波形時只需要消耗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)碼后對干擾信號進(jìn)行重構(gòu)，在GAN生成的干擾信號作用下得到引信相關(guān)器輸出信號波形如圖8所示，分別為GAN重構(gòu)干擾信號作用下的引信相關(guān)器輸出、啟動信號及目標(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)干擾信號作用下，引信可以啟動并且相關(guān)峰可以完全覆蓋目標(biāo)回波信號作用下引信相關(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、正弦調(diào)幅信號對偽碼調(diào)相脈沖多普勒引信實施干擾，不同干擾信號在相同干擾功率下對偽碼調(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)幅干擾信號作用下引信相關(guān)器輸出信號幅值很小，仿真中引信不能正常啟動。而GAN網(wǎng)絡(luò)重構(gòu)干擾信號可以使引信正常啟動，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)方法對偽碼調(diào)相脈沖多普勒引信進(jìn)行對比，文獻(xiàn)采用3階自相關(guān)函數(shù)法對m序列進(jìn)行估計，以獲取m序列的本原多項式，進(jìn)而得到其完整碼元重構(gòu)干擾信號。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)信號后作用于偽碼調(diào)相脈沖多普勒引信，引信相關(guān)及啟動輸出如圖11所示，引信可以輸出較寬的相關(guān)峰引信啟動，表明-5 dB時基于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，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，對引信碼元的重構(gòu)不受碼元抽頭數(shù)的限制。

4 實驗驗證

為驗證前述結(jié)論，對偽碼調(diào)相脈沖多普勒引信實施干擾。實驗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驗系統(tǒng)硬件平臺模擬生成多種干擾信號，對偽碼調(diào)相脈沖多普勒引信進(jìn)行干擾。無線電引信干擾實驗系統(tǒng)原理樣機(jī)天線接收到引信信號后，首先經(jīng)過下變頻模塊將引信信號由射頻頻段下變至中頻頻段。無線電引信干擾實驗系統(tǒng)硬件系統(tǒng)樣機(jī)在A/D 轉(zhuǎn)換器后預(yù)留了觀測接口，可以將該接口連接至示波器，從而直接觀測到中頻信號的時域波形，實驗場景如圖15所示。

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

實驗過程中記錄使引信啟動的最小干擾功率，為保證實驗結(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給出了相同實驗條件情況下，GAN重構(gòu)干擾、典型壓制式干擾以及數(shù)字射頻存儲(DRFM)干擾信號成功干擾引信所需的最小干擾功率。由表3可以看出，多種干擾信號中，基于GAN的干擾信號可以使偽碼調(diào)相脈沖多普勒引信啟動，且使引信啟動的最小干擾功率最低，表明具有最優(yōu)的干擾效果，實驗結(jié)果與仿真結(jié)果一致。分析其原因可得：引信發(fā)射信號在傳播過程中會伴隨信噪比的損失，此時DRFM存儲并轉(zhuǎn)發(fā)的引信信號已經(jīng)失真，其轉(zhuǎn)發(fā)信號與引信發(fā)射信號相關(guān)性下降；而GAN重構(gòu)信號能夠根據(jù)訓(xùn)練樣本與對抗生成網(wǎng)絡(luò)，重構(gòu)出與引信信號相關(guān)性較高的干擾信號，使引信對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干擾實驗測試結(jié)果統(tǒng)計表

為更直觀地體現(xiàn)GAN重構(gòu)干擾信號的干擾效果，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，引信對接收信號信干比增益越小，表明干擾效率越高，實驗結(jié)果如表4所示。由表4可知，引信對GAN重構(gòu)干擾信號信干比增益最小，因此GAN重構(gòu)干擾信號干擾效率要優(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干擾實驗信干比增益統(tǒng)計表

5 結(jié)論

本文針對低信噪比環(huán)境下難以準(zhǔn)確估計復(fù)合調(diào)制引信信號參數(shù)，造成傳統(tǒng)引導(dǎo)式干擾方法對偽碼調(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)并實驗驗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生成的干擾信號能夠突破引信的距離門及二次相關(guān)檢測，從而對引信產(chǎn)生干擾。

2)引信信號處理電路對基于GAN重構(gòu)的干擾信號處理增益小，基于GAN重構(gòu)的干擾信號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)信號對不同體制引信的干擾效果。