CN101839975B - 警戒雷达抗同型干扰方法 - Google Patents

Abstract

本发明公布了一种基于克隆选择的警戒雷达抗同型干扰方法。该方法基于克隆选择框架构造启发式搜索，求解一个有约束的整数二次规划问题，从任意的初始解出发，通过克隆、变异、选择逐代进化，直至达到最大进化代数或最优解无改善，得到各部雷达选用各套参数配置的最优频度，设计最优工作序列表，实现抗同型干扰同时不降低每部雷达性能的目标。具有良好的普适性、稳健性和较高的效率，是一种实际可行、可靠、高效的方法，并且程序简单，容易在嵌入式数字处理平台上实现，具有较高的实用价值。

Description

警戒雷达抗同型干扰方法

技术领域

本发明属于雷达与电子对抗技术领域，尤其涉及一种基于克隆选择的警戒雷达抗同型干扰方法。

背景技术

干扰与抗干扰问题自雷达诞生之日起就是雷达与电子对抗技术领域最为重要的课题之一，相关的技术一直伴随着雷达自身的发展而发展。现代空间电磁环境错综复杂、瞬息万变，雷达面对的干扰源和干扰类型也日趋多样，其中同型雷达相互间干扰(简称为同型干扰)是较为严重的一种。同型干扰是多部同类型雷达在近距离内同时工作带来的相互间干扰。雷达是通过发射一定形式的电磁波、接收目标回波来工作的，当多部雷达在近距离内同时工作、发射波形参数相同或者近似的电磁波时，一部雷达发射的电磁波会被周围雷达接收，同时也会接收到周围雷达发射的电磁波，这些电磁波的强度可能大于甚至远远大于目标回波的强度，掩盖甚至完全淹没目标，从而形成严重的同型干扰。同型干扰分为同步干扰和异步干扰，在雷达显示画面上，前者表现为同心圆，后者表现为螺旋线，这些干扰可使雷达发现和跟踪目标的能力大大降低乃至完全失效。特别是在舰艇编队中，由于同型舰艇往往配备同型雷达，并且舰艇之间通常相距较近，同型干扰尤为常见，一般来说编队规模越大，同型雷达数量越多，同型干扰越严重。

为使多部同型雷达能够在近距离内同时正常工作，必须设法尽可能地减小同型干扰。几十年来，各种抗同型干扰方法在国内外雷达与电子对抗技术领域的专著中不断被提出和改进。国内南京船舶雷达研究所、海军大连舰艇学院等单位开展了相关研究，较有代表性的如陈正禄等于2006年、2008年、2009年在《雷达与对抗》期刊上发表的文章。目前，较为成熟、应用较多的抑制或消除同型干扰的办法大都可以概括为以下两类：

1)不同雷达采用不同波形参数，在接收机中配合采用相应的信号处理技术，实现抑制干扰、增强目标。这些技术通常关注的波形参数有雷达工作频率(载频)、脉冲重复频率(重频)、调频斜率(对于线性调频信号)等。例如，若不同雷达采用不同载频，则接收机采用相应的带通滤波；若不同雷达采用不同重频，则接收机采用相应的相关积累；若不同雷达采用不同调频斜率，则接收机采用相应的匹配滤波。

2)各部雷达采用时分或空分方式协同工作，从源头上减少干扰的产生。这类办法通常着眼于同时、近距、天线相互指向等造成强干扰的关键因素，有针对性地予以去除。例如，采用时分工作方式，即各部雷达根据一定的顺序规则依次工作，保证任一时刻只有一部雷达处于工作状态；采用空分工作方式，即增大各部雷达之间的相互距离、减小干扰强度，或者使用低副瓣天线(或应用抑制天线副瓣的信号处理技术)、通过空间分集避免天线主瓣对指。

上述措施作为雷达抗同型干扰方法、特别是对于舰艇编队雷达抗同型干扰来说或多或少都存在问题。错开载频结合带通滤波可以消除或减少进入接收机的干扰能量，但是很大程度上限制了雷达性能的发挥，同时需要占用较多的频谱资源，并且由于实际滤波器非理想、系统非线性等因素，干扰很难彻底滤除；错开重频结合相关积累可以先将同步干扰变为异步干扰，再进一步通过方位向反异步处理消除异步干扰，但是这种处理影响到系统相参积累，将导致系统信噪比和雷达探测概率的下降；不同雷达采用不同的调制编码方式或参数，如线性调频下采用不同的调频斜率等，一般都涉及比较复杂的技术，需要重新设计装备或对现役装备进行较大的技术改造；错开各部雷达的工作时间或拉开各部雷达的相互距离均与雷达协同、组网工作的战术要求相悖，大大降低系统效能，这些措施实际上是在回避问题而没有解决问题；使用低副瓣天线(或应用抑制天线副瓣的信号处理技术)，通过空间分集避免天线主瓣对指，需要各部雷达接受统一调度，即失去工作的独立性，同时也需要重新设计天线，不适合现役雷达。

现役雷达通常都具备多套可选的参数配置，如多个工作频点，上述抗同型干扰方法一般都要限制特定雷达只能在其中的特定范围内选择，这使得每部雷达的性能都得不到充分发挥，特别是参数捷变体制的雷达(如频率捷变雷达)工作时需要在各套参数配置间捷变，限制越严则其性能损失越大。为充分发挥每部雷达的性能，应允许每部雷达独立工作，并且能够充分利用各套可选的参数配置。只要各部雷达在选用各套参数配置时尽量避开形成强同型干扰的条件，即可实现抗同型干扰同时不降低每部雷达性能的目标。因此，需要为各部雷达设计最优的工作序列，即选用各套参数配置的次序表，使得平均同型干扰最小。文献检索表明，目前国内外关于这个问题还没有专门的论述，特别是当系统中雷达数量和可选参数配置数目较多时，上述问题的解空间很大，目前还没有提出有效的计算方法，如果直接进行全局的搜索，计算效率非常低。

人工免疫系统是模拟生物免疫系统构建的一种新型人工智能工具。1959年，F.M.Burnet在《The Clonal Selection Theory of Acquired Immunity》一书中提出了著名的克隆选择学说。克隆选择理论认为，抗体的大量复制、变异和抗原对抗体的选择是生物免疫系统进化的基本过程，在一代代克隆选择的过程中，优秀的抗体不断产生并被保留下来。利用基于这个框架构造的启发式搜索求解非线性优化问题，具有稳健快速地收敛到全局最优解的性能。上述设计雷达最优工作序列表的问题可以建模为一个有约束的整数二次规划问题，因此可以基于克隆选择框架构造启发式搜索进行求解，获得使平均同型干扰最小的雷达最优工作序列表，实现抗同型干扰同时不降低每部雷达性能的目标。

经过文献检索，没有发现克隆选择方法在雷达抗同型干扰方面应用的论文。

经过对美国专利商标局USPTO、欧洲专利局EPO和日本专利局JPO的检索，没有找到类似的专利。

发明内容

本发明给出一种基于克隆选择的警戒雷达抗同型干扰方法。该方法基于克隆选择框架构造启发式搜索，求解一个有约束的整数二次规划问题，获得使平均同型干扰最小的雷达最优工作序列表(即选用各套参数配置的最优次序表)，实现抗同型干扰同时不降低每部雷达性能的目标。

设系统中有P部雷达同时工作，其中第p(p＝1，2，...，P)部雷达有Q_p个可变参数，第q(q＝1，2，...，Q_p)个参数有

个可能值，则理论上第p部雷达最多有

套参数配置(实际上由于雷达各个参数之间的配合需要，可用的参数配置可能少于这个数目)。用M_p表示第p部雷达实际可选参数配置的数目，理论分析表明，在各部雷达相互独立工作的情况下，平均同型干扰与每部雷达选用每套参数配置的频度有关，而与具体次序无关，归一化的平均同型干扰可以表示为

$\stackrel{\‾}{I}=\frac{1}{P(P-1)}\underset{p_1=1}{\overset{P}{\mathrm{\Σ}}}\underset{p_2\≠p_1}{\overset{P}{\underset{p_2=1}{\mathrm{\Σ}}}}\underset{i=1}{\overset{M_{p_1}}{\mathrm{\Σ}}}\underset{j=1}{\overset{M_{p_2}}{\mathrm{\Σ}}}{\mathrm{\σ}}_{\mathrm{ij}}^{\left(p_1\right)\left(p_2\right)}{d}_i^{\left(p_1\right)}{d}_j^{\left(p_2\right)}---\left(1\right)$

或

$\stackrel{\‾}{I}=\frac{1}{P(P-1)}\underset{p_1=1}{\overset{P}{\mathrm{\Σ}}}\underset{p_2\≠p_1}{\overset{P}{\underset{p_2=1}{\mathrm{\Σ}}}}\frac{1}{N^2}\underset{i=1}{\overset{M_{p_1}}{\mathrm{\Σ}}}\underset{j=1}{\overset{M_{p_2}}{\mathrm{\Σ}}}{\mathrm{\σ}}_{\mathrm{ij}}^{\left(p_1\right)\left(p_2\right)}{n}_i^{\left(p_1\right)}{n}_j^{\left(p_2\right)}---\left(2\right)$

其中，表示雷达p₁，p₂分别采用各自的第i，j套参数配置时雷达p₁对p₂的同型干扰(归一化至[0，1]区间)，式(1)中的

分别表示雷达p₁，p₂选用各自的第i，j套参数配置的频度，式(2)中的N，

为整数，

分别为

的离散化。因此设计使平均同型干扰最小的雷达最优工作序列表，关键在于确定各部雷达选用各套参数配置的最优频度，即使式(1)或式(2)最小的

或

(p＝1，2，...，P，i＝1，2，...，M_p)。基于克隆选择框架构造启发式搜索，求解以最小化式(2)为目标的有约束整数二次规划问题，具体步骤如下：

1.根据实际情况确定优化目标式(2)中的各个参量，包括系统中雷达数量P、各部雷达可选参数配置数目M_p(p＝1，2，...，P)、频度量化数N以及归一化同型干扰系数

(与两部雷达本身的特性和各自选用的参数配置等因素有关，应经过实际测试确定并归一化至[0，1]区间)。

2.列出解

(p＝1，2，...，P，i＝1，2，...，M_p)应满足的约束条件，至少包括

为非负整数以及

$\underset{i=1}{\overset{M_p}{\mathrm{\Σ}}}{n}_i^{\left(p\right)}=N,\∀p=\mathrm{1,2},...,P---\left(3\right)$

此外还应包括其他由实际情况决定的约束条件，例如选用每套参数配置的频度均不低于某个给定值等。

3.任意给定一组满足约束条件的初始解，该组解称为第1代抗体群，记为

常数NA为抗体群规模，即其中抗体的数目，应根据实际情况选定，一般来说抗体群规模越大，越有利于搜索到全局最优解，但是每一代计算时间也越长。每一代抗体群规模都是相同的。

4.用式(2)计算第1代抗体群中每个抗体(解)对应的平均归一化同型干扰

计算抗体适应度

$f\left(A_n^1\right)=1-\stackrel{\‾}{I}\left(A_n^1\right)---\left(4\right)$

并记录其最大值。抗体适应度越大，即平均归一化同型干扰越小。

5.对于第k代抗体群

中的每个抗体，计算其克隆数

并构造克隆抗体群

适应度越大的抗体被克隆得越多，意味着在较好的解周围进行较多搜索，有利于提高计算效率。常数N_C为克隆抗体群规模，也应根据实际情况选定，一般来说克隆抗体群规模越大，越有利于搜索到局部最优解，但是每一代计算时间也越长。每一代克隆抗体群规模都是相同的。由于式(5)中使用了向上取整操作

克隆抗体总可能略大于N_C。

6.对克隆抗体群中的每个抗体

$\[n_1^{\left(1\right)},...,n_{M_1}^{\left(1\right)},...,n_1^{\left(P\right)},...,n_{M_P}^{\left(P\right)}\]---\left(6\right)$

随机选取p₀∈{1，2，...，P}并随机选构造变异抗体

$[n_1^{\left(1\right)},...,n_{M_1}^{\left(1\right)},...,n_1^{\left(p_0\right)},...,{\hat{n}}_i^{\left(p_0\right)},...,{\hat{n}}_j^{\left(p_0\right)},...,{\hat{n}}_{M_{p_0}}^{\left(p_0\right)},...,n_1^{\left(P\right)},...,n_{M_P}^{\left(P\right)}]---\left(7\right)$

满足

${\hat{n}}_i^{\left(p_0\right)}+{\hat{n}}_j^{\left(p_0\right)}=n_i^{\left(p_0\right)}+n_i^{\left(p_0\right)}---\left(8\right)$ 在和不变的条件下两个分量的重新分配也是随机的。若步骤2中还列出了解的其他约束条件，变异操作应同时予以考虑，保证变异抗体对应可行解。

7.计算所有变异抗体的适应度，从所有同源(即由同一个抗体

经过克隆和变异得到)的变异抗体中选出适应度最大的，记为

8.依概率从

和

二者中选择其一进入下一代，选择

的概率为

$\mathrm{Pr}(A_n^{k+1}=B_n^k)=$

$\left\{\begin{array}{ccc}1,& f\left(A_n^k\right)<f\left(B_n^k\right)& \\ \exp (-\frac{f\left(A_n^k\right)-f\left(B_n^k\right)}{\mathrm{\&alpha;}}),& f\left(A_n^k\right)\&GreaterEqual;f\left(B_n^k\right),f\left(A_n^k\right)\&NotEqual;\underset{m}{\max }f\left(A_m^k\right),m=1,2,...,N_A& \\ 0,& f\left(A_n^k\right)\&GreaterEqual;f\left(B_n^k\right),f\left(A_n^k\right)=\underset{m}{\max }f\left(A_m^k\right),m=\mathrm{1,2},...,N_A& \end{array}\right.---\left(9\right)$

其中，常数α＞0控制选择的随机性，一般来说其值越小越有利于搜索到局部最优解，其值越大越有利于跳出局部最优解。

9.记录第k+1代抗体群的适应度最大值。

10.k：＝k+1。若k＝K_max，或连续K_stop代抗体群适应度最大值没有改善，则终止计算，当前代抗体群中适应度最大的抗体即为求得的最优解；否则返回步骤5继续进化。

确定了各部雷达选用各套参数配置的最优频度之后，可以任意安排具体选用次序、设计最优工作序列表，平均同型干扰不变。例如，若从反辐射源信号侦察的角度考虑，雷达参数应具有较强的随机性，因此最优工作序列表可以按照完全随机排列的方式生成，这相当于各部雷达按照与最优频度相一致的概率分布随机选用各套参数配置。

与现有技术相比，本发明的优点如下：

1)采用本发明设计得到最优工作序列表，能够保证各部雷达在满足一定频度要求的条件下、充分利用系统参数配置独立工作，充分发挥每部雷达的性能，同时最大限度地减小同型干扰。

2)本发明建立的模型具有一般性，对雷达数量、类型、参数种类均没有限制，且可与现有技术兼容，普适性较强。

3)本发明提出基于克隆选择求解雷达抗同型干扰最优工作序列表的方法，充分发挥启发式搜索算法稳健快速地收敛到全局最优解的性能，计算效率高。

具体实施方式

以下以某型号舰载远程警戒雷达为例，说明本发明方法的有效性，具体如下：

某编队装备了2部某型号舰载远程警戒雷达，相互独立工作，采用相同的工作序列表。雷达载频可以在8个频点(由低到高依次编号为频点1，2，...，8)上捷变，每经过固定的时间间隔跳频一次，跳频表长度为100个时间间隔(跳频100次)。当两部雷达工作在任意相同频点上时，相互之间的归一化同型干扰近似为1；当两部雷达工作在任意相邻频点上时，相互之间的归一化同型干扰近似为0.5；其他情况下两部雷达相互之间无同型干扰。需要设计最优工作序列表(即最优跳频表)，使得平均归一化同型干扰最小。设计步骤如下：

1.确定系统参量：雷达数量P＝2，频度量化数即跳频表长度N＝100，可选参数配置即可选工作频点数目M₁＝M₂＝8，由于两部雷达完全相同，相互同型干扰也相同，即归一化同型干扰系数满足

和

因此可简记为一个对称矩阵

$\mathrm{\&Sigma;}={\left({\mathrm{\&sigma;}}_{\mathrm{ij}}\right)}_{8\&times;8}=\left[\begin{array}{cccccccc}1& 0.5& & & & & & \\ 0.5& 1& 0.5& & & & & \\ & 0.5& 1& 0.5& & & & \\ & & 0.5& 1& 0.5& & & \\ & & & 0.5& 1& 0.5& & \\ & & & & 0.5& 1& 0.5& \\ & & & & & 0.5& 1& 0.5\\ & & & & & & 0.5& 1\end{array}\right]---\left(10\right)$

2.列出约束条件：由于工作序列表相同，有

解可简化为n_i(i＝1，2，...，8)，应满足n_i为非负整数以及

$\underset{i=1}{\overset{8}{\mathrm{\&Sigma;}}}{n}_i=100---\left(11\right)$

优化目标式(2)可简化为

$\stackrel{\&OverBar;}{I}=\frac{1}{{100}^2}\underset{i=1}{\overset{8}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{8}{\mathrm{\&Sigma;}}}{\mathrm{\&sigma;}}_{\mathrm{ij}}{n}_i{n}_j---\left(12\right)$

3.初始化第1代抗体群：

$A_n^1=\left[\begin{array}{cccccccc}12& 13& 12& 13& 13& 12& 13& 12\end{array}\right]---\left(13\right)$

n＝1，2，...，50

即所有频点大致平均选用，共50个这样的抗体。

4.用式(12)及式(4)计算第1代抗体群中每个抗体对应的平均归一化同型干扰及其适应度(所有抗体均相同)。

5.克隆：对于第k代抗体群

中的每个抗体，用式(5)计算其克隆数

并构造克隆抗体群

克隆抗体群规模N_C设定为1000。

6.变异：对于克隆抗体群中的每个抗体[n₁，...，n₈]，随机选取i，j∈{1，2，...，8}，在和不变的条件下随机重新分配n_i和n_j。

7.计算所有变异抗体的适应度，从所有同源(即由同一个抗体经过克隆和变异得到)的变异抗体中选出适应度最大的，记为

8.选择：依概率从

和

二者中选择其一进入下一代，选择

的概率用式(9)计算，常数α设定为1。

9.记录第k+1代抗体群

的适应度最大值。

10.k：＝k+1。若k＝50，或连续5代抗体群适应度最大值没有改善，则终止计算，当前代抗体群中适应度最大的抗体即为求得的最优解；否则返回步骤5继续进化。

采用上述方法求得的最优解为[20 5 15 10 10 15 5 20]，即在长度为100的跳频表中频点1，2，...，8出现的次数依次为20，5，15，10，10，15，5，20次时平均同型干扰最小，这与全局搜索得到的结果一致。按照完全随机排列的方式生成的最优跳频表见下表。

表1某型号舰载远程警戒雷达最优跳频表

为验证上述方法的效率和稳健性，进行了20次重复试验，正确(求得上述最优解)率为100％，进化代数介于15至20代之间，每一代大约搜索1000个解，总计搜索不到20000个解，而如果直接进行全局的搜索，根据有重复组合数计算公式，需要搜索

个解。

在采用本发明之前，编队一般采用时分和频分的方法控制多部同型警戒雷达的工作。如果采用时分方法，整个编队同一时刻只能有一部雷达工作，不能充分发挥全部雷达的功能；如果采用频分方法，每部雷达只能在个别频点上工作，不能充分发挥每部雷达的性能。采用本发明给出的最优跳频表，各部雷达可以同时独立工作，大大提高了编队探测防区空域的数据更新率，每部雷达的性能也得到了充分发挥。

由上面的实例可知，本发明给出的方法具有较高的效率和良好的稳健性，是一种实际可行、可靠、高效的方法，并且该方法程序简单，容易在嵌入式数字处理平台上实现，具有较高的实用价值。

Claims (3)

1.一种基于克隆选择的警戒雷达抗同型干扰方法，其特征在于，包括以下步骤：

步骤1：将归一化的平均同型干扰式(1)作为优化目标式，根据实际情况确定各个参量，

$\stackrel{\&OverBar;}{I}=\frac{1}{P(P-1)}\underset{p_1=1}{\overset{P}{\mathrm{\&Sigma;}}}\underset{\underset{p_2\&NotEqual;p_1}{p_2=1}}{\overset{P}{\mathrm{\&Sigma;}}}\frac{1}{N^2}\underset{i=1}{\overset{M_{p_1}}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{M_{p_2}}{\mathrm{\&Sigma;}}}{\mathrm{\&sigma;}}_{\mathrm{ij}}^{\left(p_1\right)\left(p_2\right)}{n}_i^{\left(p_1\right)}{n}_j^{\left(p_2\right)}---\left(1\right)$

其中，P为系统中雷达数量，各部雷达可选参数配置数目为M_p(p＝1，2，...，P)，N为频度量化数，

为归一化同型干扰系数，该系数需经过实际测试确定并归一化至[0，1]区间，

和

为整数，

分别为

的离散化，

分别表示雷达p₁，p₂选用各自的第i，j套参数配置的频度；

步骤2：列出解

(p＝1，2，...，P，i＝1，2，...，M_p)应满足的约束条件，至少包括

为非负整数以及

$\underset{i=1}{\overset{M_p}{\mathrm{\&Sigma;}}}{n}_i^{\left(p\right)}=N,\&ForAll;p=\mathrm{1,2},...,P---\left(2\right);$

步骤3：任意给定一组满足所述约束条件的初始解，作为第1代抗体群，记为

(n＝1，2，...，N_A)，常数N_A为抗体群规模；

步骤4：用式(1)计算所述第1代抗体群中每个抗体对应的平均归一化同型干扰计算抗体适应度

$f\left(A_n^1\right)=1-\stackrel{\&OverBar;}{I}\left(A_n^1\right)---\left(3\right),$

并记录其最大值；

步骤5：对于第k代抗体群

中的每个抗体，用式(4)计算其克隆数

并构造克隆抗体群 $(n=\mathrm{1,2},...,N_A,i=\mathrm{1,2},...,q_n^k),$ 其中，常数N_C为克隆抗体群规模；

步骤6：对克隆抗体群中的每个抗体

$[n_1^{\left(1\right)},...,n_{M_1}^{\left(1\right)},...,n_1^{\left(P\right)},...,n_{M_P}^{\left(P\right)}]---\left(5\right)$

随机选取p₀∈{1，2，...，P}，并随机选取

构造变异抗体

$[n_1^{\left(1\right)},...,n_{M_1}^{\left(1\right)},...,n_1^{\left(p_0\right)},...,{\hat{n}}_i^{\left(p_0\right)},...,{\hat{n}}_j^{\left(p_0\right)},...,n_{M_{p_0}}^{\left(p_0\right)},...,n_1^{\left(p\right)},...,n_{M_P}^{\left(p\right)}]---\left(6\right)$

满足

${\hat{n}}_i^{\left(p_0\right)}+{\hat{n}}_j^{\left(p_0\right)}=n_i^{\left(p_0\right)}+n_j^{\left(p_0\right)}---\left(7\right)$

在和不变的条件下两个分量的重新分配也是随机的；

步骤7：计算所有所述变异抗体的适应度，从所有由同一个抗体

经过克隆和变异得到的变异抗体中选出适应度最大的，记为

步骤8：依概率从

和

二者中选择其一进入下一代，选择

的概率为 $\mathrm{Pr}(A_n^{k+1}=B_n^k)=$

$\left\{\begin{array}{cc}1,& f\left(A_n^k\right)<f\left(B_n^k\right)\\ \exp (-\frac{f\left(A_n^k\right)-f\left(B_n^k\right)}{\mathrm{\&alpha;}}),& f\left(A_n^k\right)\&GreaterEqual;f\left(B_n^k\right),f\left(A_n^k\right)\&NotEqual;\underset{m}{\max }f\left(A_m^k\right),m=\mathrm{1,2},...,N_A\\ 0,& f\left(A_n^k\right)\&GreaterEqual;f\left(B_n^k\right),f\left(A_n^k\right)=\underset{m}{\max }f\left(A_m^k\right),m=\mathrm{1,2},...,N_A\end{array}\right.---\left(8\right)$

其中，常数α＞0控制选择的随机性；

步骤9：记录第k+1代抗体群

(n＝1，2，...，N_A)的适应度最大值；

步骤10：k：＝k+1，若k＝K_max，或连续K_stop代抗体群适应度最大值没有改善，则终止计算，当前代抗体群中适应度最大的抗体即为求得的最优解；否则返回步骤5继续进化。

2.如权利要求1所述的方法，其特征在于，若所述步骤2中还列出了解的其他约束条件，则所述步骤6中构造变异抗体时应同时予以考虑，保证变异抗体对应可行解。

3.如权利要求1所述的方法，其特征在于，确定各部雷达选用各套参数配置的最优频度之后，按照完全随机排列的方式生成最优工作序列表，平均同型干扰不变。