CN109884599B - 一种雷达干扰方法、装置、计算机设备及存储介质 - Google Patents
一种雷达干扰方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109884599B CN109884599B CN201910196313.1A CN201910196313A CN109884599B CN 109884599 B CN109884599 B CN 109884599B CN 201910196313 A CN201910196313 A CN 201910196313A CN 109884599 B CN109884599 B CN 109884599B
- Authority
- CN
- China
- Prior art keywords
- interference
- radar
- working state
- determining
- target radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明适用于雷达技术领域,提供了一种雷达干扰方法、装置、计算机设备及存储介质,该方法包括:获取目标雷达当前工作状态下的雷达参数,根据雷达参数确定目标雷达下一时刻的工作状态;根据目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,确定针对目标雷达下一时刻的工作状态的干扰成功率;根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的干扰成功率,确定针对目标雷达下一时刻的工作状态的干扰解集;基于带精英策略的非支配遗传算法,对干扰解集进行筛选,确定针对目标雷达下一时刻的工作状态的最优干扰解。本发明方法综合考虑了影响雷达干扰效果的各方面因素,从而提高了针对被干扰雷达的干扰效果。
Description
技术领域
本发明属于雷达技术领域,尤其涉及一种雷达干扰方法、装置、计算机设备及存储介质。
背景技术
在电子战中,雷达方的雷达实时侦察观测战场的环境变化,遇到有威胁的目标如侦察机、导弹等,在跟踪确定其位置后,会根据对雷达方的威胁等级高低依次进行打击。同时作为干扰方,如何使敌方雷达侦察不到或者是侦察到错误的己方侦察机、导弹是将是最为重要的工作目标。因此,干扰方应尽可能多的掌握当前电子战环境中各项参数变化情况,做到知己知彼,以此做出最优的干扰决策。与此同时,因为在战场环境中资源有限性的约束,在满足最优的干扰决策的同时,也需要尽可能的降低自身的资源消耗,以此来为整个干扰方中的其他环节提供资源或能量。总而言之,作为干扰方,需要做出的干扰决策需要是当前战场环境下最优的决策的同时,还需要是最节约战场资源的决策。
干扰决策作为影响干扰效果最为重要的因素之一,多年来一直是科学家的重点研究目标,现有技术中最常见的干扰决策算法主要有0-1规划干扰决策算法,利用Eucild贴近度原理的雷达干扰资源分配算法以及基于最大元素对雷达干扰资源进行快速分配的算法等。
然而,现有的干扰决策算法的重点在于对干扰资源的分配上,而忽略了对干扰样式的选择以及平衡各类干扰所需功率和干扰总功率之间相互制约的问题,从而使得针对被干扰雷达的干扰效果不理想。
发明内容
本发明实施例提供一种雷达干扰方法,旨在解决现有的雷达干扰方法针对被干扰雷达的干扰效果不理想的问题。
本发明实施例是这样实现的,一种雷达干扰方法,包括如下步骤:
获取目标雷达当前工作状态下的雷达参数,并根据所述雷达参数确定所述目标雷达下一时刻的工作状态;
根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率;
根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集,所述干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案;
基于带精英策略的非支配遗传算法,对所述干扰解集进行筛选,并当算法收敛时,输出针对所述目标雷达下一时刻的工作状态的最优干扰解。
本发明实施例还提供一种雷达干扰装置,包括:
目标雷达下一时刻的工作状态获取单元,用于获取目标雷达当前工作状态下的雷达参数,并根据所述雷达参数确定所述目标雷达下一时刻的工作状态;
干扰成功率确定单元,用于根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率;
干扰解集确定单元,用于根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集,所述干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案;以及
最优干扰解输出单元,用于基于带精英策略的非支配遗传算法,对所述干扰解集进行筛选,并当算法收敛时,输出针对所述目标雷达下一时刻的工作状态的最优干扰解。
本发明实施例还提供了一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述的雷达干扰方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述雷达干扰方法的步骤。
本发明实施例提供的雷达干扰方法,通过获取目标雷达当前工作状态下的雷达参数,并且根据这些雷达参数确定目标雷达在下一时刻的工作状态,即对被干扰方的雷达下一时刻的工作状态有一定的预知,可提高后续选择干扰样式并制定最优的干扰方案奠定了基础;然后,根据目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,以合理地平衡预设干扰样式所需的干扰功率和总功率之间的相互制约问题,同时根据目标雷达下一时刻的工作状态和预设干扰样式的干扰功率的分配情况,确定针对目标雷达下一时刻的工作状态的干扰成功率,再根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的干扰成功率,确定满足干扰功率最小和/或干扰成功率最高条件的所有雷达干扰方案,再基于带精英策略的非支配遗传算法的对这些雷达干扰方案进行筛选,得出针对目标雷达下一时刻的工作状态的最优干扰方案,即能耗和成功率相对均衡的雷达干扰方案,充分考虑到了被干扰雷达的工作状态、干扰方的干扰样式选择以及干扰所需消耗的总功率这三个相互制约因素对于被干扰雷达的干扰效果的影响,从而提高了针对被干扰雷达的干扰效果,降低了被保护方的信息不被敌方所破坏或攻击的风险。
附图说明
图1是本发明实施例提供的第一种雷达干扰方法的实现流程图;
图2是本发明实施例提供的第二种雷达干扰方法的实现流程图;
图3是本发明实施例提供的第三种雷达干扰方法的实现流程图;
图4是本发明实施例提供的干扰机发射的干扰功率时的损耗产生过程示意图;
图5是本发明实施例提供的第四种雷达干扰方法的实现流程图;
图6是本发明实施例提供的第五种雷达干扰方法的实现流程图;
图7是本发明实验例中第二代个体中处在第一个非支配前沿的个体分布情况;
图8是本发明实验例中NSGA-III中处在第一个非支配前沿中的个体数量变化情况;
图9是本实验例中基于NSGA-III的干扰决策优化过程的二维展现示意图;
图10是本发明实施例提供的一种雷达干扰装置的结构框图;
图11是本发明实施例提供的雷达干扰装置中的干扰成功率确定单元的结构框图;
图12是为一个实施例中计算机设备的内部结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
本发明实施例提供的雷达干扰方法,通过获取目标雷达当前工作状态下的雷达参数,确定目标雷达下一时刻的工作状态,并针对目标雷达下一时刻的工作状态有目的性地确定相应的干扰样式的干扰功率,基于每类干扰样式的干扰功率和目标雷达下一时刻的工作状态,确定针对目标雷达下一时刻的工作状态的干扰成功率,从而使得目标雷达的下一时刻工作状态、干扰方为应对目标雷达的下一时刻工作状态而确定的干扰样式和干扰所需的能耗达到相互制约与平衡,从而提高针对目标雷达的干扰效果。
如图1所示,在一个实施例中,提出了一种雷达干扰方法,本实施例主要以该方法应用于终端(例如,干扰机)来举例说明。该方法具体包括以下步骤:
步骤S101,获取目标雷达当前工作状态下的雷达参数,并根据雷达参数确定目标雷达下一时刻的工作状态。
在本发明实施例中,目标雷达为干扰机发射干扰信号对其进行破坏或攻击的对象。
目标雷达当前工作状态下的雷达参数包括但不限于:雷达方位、发射信号功率、雷达工作体质、雷达当前工作状态及雷达发射信号。
在本发明的一个实施例中,可以通过侦察机侦察采集目标雷达的雷达参数,并经过雷达状态识别算法识别出目标雷达当前的工作状态,并且根据目标雷达的特点预测目标雷达在下一时刻的工作状态。
步骤S102,根据目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据目标雷达下一时刻的工作状态和预设干扰样式的干扰功率,确定针对目标雷达下一时刻的工作状态的干扰成功率。
步骤S103,根据预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对目标雷达下一时刻的工作状态的干扰解集,干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案。
步骤S104,基于带精英策略的非支配遗传算法,对干扰解集进行筛选,当算法收敛时,输出针对目标雷达下一时刻的工作状态的最优干扰解。
雷达的干扰决策是干扰方产生并发射干扰信号这一系统行为中最为关键的一步。如果要决定在战场上使用哪种干扰以达到最优的干扰效果,则需要对敌方和己方的实时战场情况都十分清楚。作为干扰方,需要知道己方的干扰能力大小,其中包括已有的干扰样式种类、各个干扰样式重点针对的战场情况、各个干扰样式所需的干扰功率等干扰信号的参数,除此之外还需要知道己方干扰设备的数量、己方能提供的干扰功率大小等。
作为被干扰的雷达(敌方),虽然无法知道其具体的雷达参数,但是仍需要通过前期的侦察手段获得一些相对较为准确的参数,比如敌方雷达方位、发射信号功率、雷达工作体质、雷达当前工作状态及雷达发射信号的具体参数等。
在上述前提条件中,敌方雷达的当前工作状态确定了干扰方干扰所需要的针对目标,而在己方干扰资源一定的前提下,其所能提供的干扰样式和预设干扰样式所需要的资源最终决定了干扰决策的结果,进而影响了最终的干扰效果。
在电子战中,干扰方的雷达实时侦察观测战场的环境变化,遇到有威胁的目标如侦察机、导弹等,在跟踪确定其位置后,会根据对已方的威胁等级高低依次进行打击。同时作为干扰方,如何使敌方雷达侦察不到或者是侦察到错误的己方侦察机、导弹是将是最为重要的工作目标。因此,干扰方应尽可能多的掌握当前电子战环境中各项参数变化情况,做到知己知彼,以此做出最优的干扰决策。与此同时,因为在战场环境中资源有限性的约束,在满足最优的干扰决策的同时,也需要尽可能的降低自身的资源消耗,以此来为整个干扰方中的其他环节提供资源或能量。总而言之,作为干扰方,需要做出的干扰决策需要是当前战场环境下最优的决策的同时,还需要是最节约战场资源的决策。
干扰方需要实时监测的战场参数大致可以分为敌方参数与己方参数两大类。作为干扰方自己,干扰设备的数量、干扰样式的种类、整个系统中可以分配给干扰部分的能量大小、每种干扰样式的特点及其所针对某种雷达工作状态时的干扰效果等都影响着最终干扰方式的选择。
作为干扰对象的雷达方,雷达所处的位置和其运动情况、雷达发射信号的各类参数、雷达所配备的各类抗干扰措施、雷达当前时刻的工作状态及未来一个时刻的工作状态等都是干扰方在选择干扰样式前必备的参数。
在干扰决策中,干扰目标的选择、干扰样式的选择、干扰时机的选择、干扰功率大小的选择都是干扰资源的选择。其中,在确定某一个战场环境中需要干扰的雷达目标的前提下,干扰样式的选择和干扰样式所需要的功率值大小将会是影响干扰效果的两个重要因素。对于压制干扰来说,在其他影响干扰效果的条件一定的情况下,干扰信号功率越大,进入敌方雷达接收机的信干比就越小,即干扰对敌方雷达针对的目标的遮盖越好,干扰效果越好。但是,与此同时,不能一味地追求发射极大的干扰功率,因为长期的大功率对干扰机是一种过度的消耗,同时在资源有限的情况下,干扰部分占用过多的资源也会导致整个干扰方系统的其他功能实现出现问题。
随着电子战技术的发展,针对一种雷达的干扰已经不能仅依靠一种干扰样式,多种干扰样式共同作用于同一部雷达的情况也越来越多见。因此,如何选取组合各种干扰样式使干扰效果达到最优、如何平衡各类干扰所需要的功率及干扰所需要总功率之间相互制约的关系,是作为干扰方需要解决的自身问题。
对于侦察得到的敌方雷达的各项雷达参数,可通过状态识别算法识别得到敌方雷达的雷达状态变化及对雷达下一时刻的状态预测值,这对干扰方的干扰样式选择影响巨大。如果能对雷达下一时刻的状态有一定的预知,则干扰方可以有针对性的选择干扰样式组合,以此达到针对被干扰雷达最有效的干扰效果。
因此,干扰样式的选择问题及平衡各类干扰所需功率和总功率之间相互制约的问题;将侦察获得的敌方雷达参数经过状态识别后得到的雷达状态变化运用于雷达行为辨识,最终将得到的雷达下一时刻状态预测值运用于干扰方的干扰样式的选择上,以期望得到最优的干扰效果是未来电子战技术的发展趋向。
本发明实施例提供的雷达干扰方法,通过获取目标雷达当前工作状态下的雷达参数,并且根据这些雷达参数确定目标雷达在下一时刻的工作状态,即对被干扰方的雷达下一时刻的工作状态有一定的预知,可提高后续选择干扰样式并制定最优的干扰方案奠定了基础;然后,根据目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,以合理地平衡预设干扰样式所需的干扰功率和总功率之间的相互制约问题,同时根据目标雷达下一时刻的工作状态和预设干扰样式的干扰功率的分配情况,确定针对目标雷达下一时刻的工作状态的干扰成功率,再根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的干扰成功率,确定满足干扰功率最小和/或干扰成功率最高条件的所有雷达干扰方案,再基于带精英策略的非支配遗传算法的对这些雷达干扰方案进行筛选,得出针对目标雷达下一时刻的工作状态的最优干扰方案,即能耗和成功率相对均衡的雷达干扰方案,充分考虑到了被干扰雷达的工作状态、干扰方的干扰样式选择以及干扰所需消耗的总功率这三个相互制约因素对于被干扰雷达的干扰效果的影响,从而提高了针对被干扰雷达的干扰效果,降低了被保护方的信息不被敌方所破坏或攻击的风险。
如图2所示,在一个实施例中,上述步骤S102具体可以包括步骤201和步骤S202。
步骤S201,根据目标雷达下一时刻的工作状态,确定干扰所需的总功率,并根据干扰所需的总功率确定预设干扰样式的干扰功率。
在本发明实施例中,干扰样式包括噪声干扰、角度欺骗、距离欺骗、速度欺骗和混合欺骗。干扰样式可预先存储在干扰方的存储设备中。
在本发明实施例中,在得知目标雷达下一时刻的工作状态后,可针对目标雷达的特点有目的性的为每类干扰样式分配一定的干扰功率值。例如,系统中预存有A、B、C三种类型的干扰样式,假设当前已经确定了目标雷达在下一时刻的作用距离为300米,针对该作用距离确定的干扰总功率为Y,则可以针对性地为A、B、C三种干扰样式分配干扰功率分别为a、b、c,其中,a、b、c均不大于Y,且a、b、c三者的总和为Y。根据预测到目标雷达在下一时刻的工作状态后,针对性地为每类干扰样式分类相应的干扰功率,可以很好地平衡预设干扰样式和干扰总功率以及目标雷达的下一时刻状态之间的制约关系,从而提高干扰的效果。
可以理解的,当某干扰样式分配到的干扰功率接近于零的时候,则认为该干扰样式没有被选中。
步骤S202,根据目标雷达下一时刻的工作状态和预设干扰样式的干扰功率,确定针对目标雷达下一时刻的工作状态的干扰成功率。
在本发明的实施例中,影响干扰成功率的因素主要有:干扰机发射某种干扰样式所需要的干扰功率Wk和敌方雷达的工作状态si。其中,敌方雷达的工作状态是指敌方雷达在当前时刻的战场环境下,下一时刻的工作状态。因为当我方可以预测出敌方雷达下一时刻的工作状态后,即可根据状态有针对性的进行干扰,以此占据战场主导权从而成为战争中的优势方。
如图3所示,在一个实施例中,上述步骤S201具体可以包括步骤301。
在步骤S301中,根据目标雷达下一时刻的工作状态,确定干扰所需的总功率,并根据干扰所需的总功率和发射干扰信号的功率损耗,确定预设干扰样式的干扰功率。
假设干扰系统中存在K种干扰样式,针对每一种干扰样式,目标雷达在各种工作状态下在不同的给定功率情况下的干扰成功率为fik(Wk,si),其中k表示第k种干扰样式,i表示第i种雷达工作状态。
在战场环境中,不论是目标雷达发射的信号还是干扰方发射的信号,都不可能百分百的到达对方的接收机内部。例如,在电磁信号传播的环境中,双方之间的距离将对干扰信号产生距离损耗,因而使得干扰机到达敌方雷达接收机时的能量值已经不再是干扰机发射时的能量值。在此之后,干扰信号进入雷达接收机时与雷达天线主瓣位置的夹角、雷达接收机匹配滤波等都将对最终进入雷达接收机的干扰信号造成损耗。损耗的具体过程产生如图4所示,其中损耗参数为μ,0<μ≤1,R为干扰方与敌方雷达之间的距离,F(θ)为雷达的天线方向图函数。
根据上述损耗的定义,可将针对目标雷达在下一时刻的各种工作状态在不同的给定干扰功率情况下的干扰成功率fik(Wk,si)重新定义为式fik(μ·Wk,si)。其中,针对K种干扰样式,每种干扰样式都分配一定的干扰功率值Wk,该功率值需满足式0≤Wk≤W,k=1,2,...K和式即每种干扰样式所分配的功率值均不可大于总的干扰功率值W,同时所有干扰样式分配的干扰功率值的总和不能大于总的干扰功率值W。
如图5所示,在一个实施例中,上述步骤S202具体包括步骤S401。
在步骤S401中,根据目标雷达下一时刻的工作状态的转移矩阵和预设干扰样式的干扰功率,确定针对目标雷达下一时刻的工作状态的干扰成功率。
对于每一种干扰样式,在给定一个干扰功率的情况下,均可得到一个由长期经验观察和干扰样式特点判定共同拟合出的干扰成功率数值,这个成功率数值针对敌方雷达的不同状态时是不同的。由上述损耗参数可知,不论哪一种干扰样式,干扰机发射的功率有极大可能性并不是最终进入敌方雷达接收机的功率值,而是需要在发射干扰的功率值上乘以某一个损耗参数μ来模拟因环境和敌方雷达接收机等缘故造成的功率损耗,即式fik(μ·Wk,si)所示。因此,在得出某种干扰样式的干扰成功率时,也应以最终到达敌方雷达接收机内部的干扰信号功率作为参数。
式fik(μ·Wk,si)中影响干扰成功率的另外一个因素是敌方雷达的工作状态si。当干扰机发射功率一定的情况下,不同雷达工作状态下的干扰成功率是指当敌方雷达确确实实即百分之百为当前该种工作状态时,对其使用给定的干扰样式进行干扰时可以得到的干扰成功率。所以,干扰方对敌方雷达状态的判断也影响着发射的干扰信号对敌方雷达的干扰效果。假设当敌方雷达处于第i种工作状态的可能性极低时,即使选择的第k种干扰样式针对第i种工作状态的干扰成功率极高,甚至是接近100%,但是针对整个敌方雷达工作系统的影响程度都不可能极好,原因就在于敌方雷达本身是第i种工作状态的可能性占比就极低。因此,在针对干扰样式进行功率分配时,敌方雷达的工作状态也是需要关注的影响因素。
如图6所示,在一个实施例中,上述步骤S401具体包括步骤S501;步骤S103具体包括步骤S502。
在步骤S501中,根据目标雷达下一时刻的工作状态的转移矩阵和预设干扰样式的干扰功率,确定每一类干扰样式针对目标雷达下一时刻的工作状态的干扰成功率,将每一类干扰样式的干扰成功率进行加和,得到针对目标雷达下一时刻的工作状态的综合干扰成功率。
结合上述内容可知,当确定为某种干扰样式和针对该种干扰样式分配的功率值时,因敌方雷达工作状态的不同,最终的干扰成功率不同,即当雷达下一步状态转为i的可能性极低,则在当前条件下对该种状态的干扰成功率就随之变低。因此,可以将雷达下一时刻状态转移矩阵PSi代入干扰成功率fik中,即可得到在确定干扰机发射某种干扰样式所需要的干扰功率Wk和敌方雷达的工作状态si两个因素后得到的最终的干扰成功率,如式所示,该式中将对雷达下一时刻状态预测的转移矩阵值以工作状态类型si为分类,分别和预设干扰样式得到的成功率相乘,得到的数值即可认为是敌方雷达工作状态对干扰成功率做出影响后得到的数值结果。
因此,得到了各个干扰样式在不同干扰功率情况下对敌方雷达进行干扰时的干扰成功率,该成功率即是干扰信号最终到达目标雷达接收机后对敌方雷达工作影响程度的数值。计算所得的所有成功率数值在0到1之间的某个小数,且均是越大越好。正因为这种发展趋势相同的情况,故将所有的成功率相加,得到最终的成功率的和值即将K种干扰样式分配功率后经过各类能量损耗后,针对目标雷达所有I种工作状态,依据敌方雷达下一步工作状态转移的可能性进行干扰后的所有干扰成功率进行相加,以该数值作为最终干扰决策好坏的评定标准。因为所有的干扰成功率均为越大越好,所以所有成功率数值相加的总和也应是越高越好。单个的成功率数值表示针对敌方雷达的某种状态时,选用指定的干扰样式在给定的功率下的干扰成功率,因此,将在所有敌方雷达工作状态下的所有干扰样式在各自给定功率情况下的干扰成功率的数值相加,这个计算得到的结果在雷达干扰系统中是没有实际意义的,因为这个数值在一般情况下是一个超过1的数值,而其上限就更不可能确定出具体数字。但是由于表示不同功率不同雷达状态下的干扰成功率数值对于干扰方来说均是越大越好的,所有虽然相加后的数值并没有任何实质的物理意义,但是其越大越好的性质并没有改变。
在步骤S502中,根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的综合干扰成功率,确定针对目标雷达下一时刻的工作状态的干扰解集。
由前文所述内容可知,干扰的总功率是一定的,对敌方雷达的干扰信号功率并不一定是越大越好。在节约资源的前提下,针对目标雷达的干扰所使用的功率应该越小越好,因此所有的干扰样式分配得到的功率的总和也应是越小越好。当满足对敌方雷达产生了有效的干扰则完成了干扰的目的,同时在预设干扰样式的干扰功率组合中有依据的选择出了消耗能量最少的组合则是对干扰决策优化的过程。
在本发明实施例中,预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的综合干扰成功率需要满足下述两个目标函数:
因为有两个目标函数和两个前提条件,所以和单目标计算最优解的方式和结果不同,计算多目标最优解时多数情况是计算出相对好的解,而不能直接求出最优的解,因此通过计算得到的干扰功率分配方式可能不是一组解而是有多组解组成的,其中必然有一些解更侧重于满足干扰成功率的和值最大,也有一些解更侧重于满足使用的干扰功率最小。所以如何从多组解中选择出最好的解,就需要根据具体的情况和干扰方自身对上述两个目标函数的偏重情况再做分析。
在本发明的优选实施例中,可以基于带精英策略的非支配遗传算法,对所述干扰解集进行筛选,当算法收敛时,输出针对目标雷达下一时刻的工作状态的最优干扰解。其中,基于带精英策略的非支配遗传算法为现有技术,具体内容可以参考相关的现有技术。本发明实施例应用该遗传算法可以从众多的干扰功率最小和或干扰成功率最高的解集中筛选出干扰功率和干扰成功率相对较平衡的最优干扰解,从而在保证针对目标雷达的干扰效果的前提下,使得干扰功率尽可能的小,节省能耗。
为了进一步验证本发明方法的技术效果,下面以具体的实验例来做详细说明。
本实验是基于雷达未来状态转移及干扰样式干扰成功率已知的前提下做出的,需要特别说明的是因NSGA-III在对多目标进行优化时需要多目标的优化方向相同,所以需将式前添加符号使得其变为求解最小值问题。在给定算法必要参数的前提下,利用NSGA-III进行第一次优化后有如图7所示的结果。
第一次优化后在所有的80个个体中,第一个非支配前沿中存在的个体如图7所示。在第二代的80个新个体中,仅有20个新个体属于第一个非支配前沿,而其余60个个体均在第二个或更往后的非支配前沿上。所以经过一次进化后,虽然得到了部分最优的决策结果但并没有达到预期的优化目标。
将上述个体再次进行选择优化,上述过程的上限值为50次,50次迭代过程中处在第一个非支配前沿中的个体数量变化如图8所示。
从图8可以看出,在实验第七代个体出现收敛情况后,后续的迭代并没有向不好的方向发展,而是保持在第七代个体描述的这种所有个体均在第一个非支配前沿中的情况直至迭代结束。但图8的这类在前几代就得到相对最优解的情况并不是一定会发生,NSGA-III中个体全部达到最优的情况出现在第几次迭代过程中这一问题取决于多种因素,雷达下一时刻行为状态的转移概率、雷达干扰功率分配的初始值设定、染色体交叉变异的参数等都对最终的结果产生影响。因此,有可能存在图8的情况,也有可能存在经过50次迭代,处在第一个非支配前沿的个体数虽然在稳步增长但仍没有的达到收敛的情况。所以,迭代次数的设置不能过低。
将每一次迭代后处在第一个非支配前沿中的个体数量变化放在同一坐标系下比较,如图9所示。
图9更能说明个体的分布在迭代初期是十分分散的,随着迭代产生新的个体,分布情况越来越集中并组成了第一个非支配前沿。
在最终的迭代结束后,80个样本点均处在第一个非支配前沿中,即迭代结束时产生的80个样本点均满足两个目标函数的要求。每一个样本点中所分配的功率值都使得干扰成功率相对较高的前提下,干扰样式使用的功率值都相对较低。但因为这两个目标函数相互牵制,所以并不能确定说明这个80个样本点中的某一个样本点是最优的。如何在优化结果中选择出需要的功率分配方式,需要由上述两个目标函数的重要程度决定。如果以干扰成功率作为第一要义,则可以选择图9中横坐标绝对值相对更大的点,但是该点对应的干扰功率相对较大。但如果以干扰消耗的功率作为第一要义,则可以选择图7、9中纵坐标数值相对较小的点,但同样该点对应的干扰成功率相对较低。
如图10所示,在一个实施例中,提供了一种雷达干扰装置,该装置可以集成在干扰机中,具体可以包括目标雷达下一时刻的工作状态获取单元110、干扰成功率确定单元120、干扰解集确定单元130和最优干扰解输出单元140。
目标雷达下一时刻的工作状态获取单元110,用于获取目标雷达当前工作状态下的雷达参数,并根据雷达参数确定所述目标雷达下一时刻的工作状态;
干扰成功率确定单元120,用于根据目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据目标雷达下一时刻的工作状态和预设干扰样式的干扰功率,确定针对目标雷达下一时刻的工作状态的干扰成功率;
干扰解集确定单元130,用于根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的干扰成功率,确定针对目标雷达下一时刻的工作状态的干扰解集,干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案;
最优干扰解输出单元140,用于基于带精英策略的非支配遗传算法,对干扰解集进行筛选,并当算法收敛时,输出针对目标雷达下一时刻的工作状态的最优干扰解。
本发明实施例提供的雷达干扰装置,通过获取目标雷达当前工作状态下的雷达参数,并且根据这些雷达参数确定目标雷达在下一时刻的工作状态,即对被干扰方的雷达下一时刻的工作状态有一定的预知,可提高后续选择干扰样式并制定最优的干扰方案奠定了基础;然后,根据目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,以合理地平衡预设干扰样式所需的干扰功率和总功率之间的相互制约问题,同时根据目标雷达下一时刻的工作状态和预设干扰样式的干扰功率的分配情况,确定针对目标雷达下一时刻的工作状态的干扰成功率,再根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的干扰成功率,确定满足干扰功率最小和/或干扰成功率最高条件的所有雷达干扰方案,再基于带精英策略的非支配遗传算法的对这些雷达干扰方案进行筛选,得出针对目标雷达下一时刻的工作状态的最优干扰方案,即能耗和成功率相对均衡的雷达干扰方案,充分考虑到了被干扰雷达的工作状态、干扰方的干扰样式选择以及干扰所需消耗的总功率这三个相互制约因素对于被干扰雷达的干扰效果的影响,从而提高了针对被干扰雷达的干扰效果,降低了被保护方的信息不被敌方所破坏或攻击的风险。
如图11所示,在一个实施例中,干扰成功率确定单元120具体包括干扰功率确定模块121和干扰成功率确定模块122。
干扰功率确定模块121,用于根据目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率。
干扰成功率确定模块122,用于根据目标雷达下一时刻的工作状态和预设干扰样式的干扰功率,确定针对目标雷达下一时刻的工作状态的干扰成功率。
在本发明的一个实施例中,干扰功率确定模块121具体可以用于:根据目标雷达下一时刻的工作状态,确定干扰所需的总功率,并根据干扰所需的总功率和发射干扰信号的功率损耗,确定预设干扰样式的干扰功率
在一个实施例中,干扰成功率确定模块122具体还可用于:根据目标雷达下一时刻的工作状态的转移矩阵和预设干扰样式的干扰功率,确定针对目标雷达下一时刻的工作状态的干扰成功率。
在本发明的另一个实施例中,干扰成功率确定模块122具体还可用于:根据目标雷达下一时刻的工作状态的转移矩阵和预设干扰样式的干扰功率,确定每一类干扰样式针对目标雷达下一时刻的工作状态的干扰成功率,将每一类干扰样式的干扰成功率进行加和,得到针对目标雷达下一时刻的工作状态的综合干扰成功率。
上述干扰解集确定单元130具体用于:根据预设干扰样式的干扰功率和目标雷达下一时刻的工作状态的综合干扰成功率,确定针对目标雷达下一时刻的工作状态的干扰解集。
关于上述实施例中的装置,其中各个单元或模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图12示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是干扰机。如图12所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现雷达干扰方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行雷达干扰方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的雷达干扰装置可以实现为一种计算机程序的形式,计算机程序可在如图12所示的计算机设备上运行。计算机设备的存储器中可存储组成该雷达干扰装置的各个程序模块(单元),比如,图10所示的目标雷达下一时刻的工作状态获取单元110、干扰成功率确定单元120、干扰解集确定单元130和最优干扰解输出单元140。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的雷达干扰方法中的步骤。
例如,图12所示的计算机设备可以通过如图10所示的雷达干扰装置中的目标雷达下一时刻的工作状态获取单元110执行步骤S101。计算机设备可通过干扰成功率确定单元120执行步骤S102。计算机设备可通过干扰解集确定单元130执行步骤S103。计算机设备可通过最优干扰解输出单元140执行步骤S104。
在一个实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:获取目标雷达当前工作状态下的雷达参数,并根据所述雷达参数确定所述目标雷达下一时刻的工作状态;
根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率;
根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集,所述干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案;
基于带精英策略的非支配遗传算法,对所述干扰解集进行筛选,当算法收敛时,输出针对所述目标雷达下一时刻的工作状态的最优干扰解。
在一个实施例中,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:获取目标雷达当前工作状态下的雷达参数,并根据所述雷达参数确定所述目标雷达下一时刻的工作状态;
根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率;
根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集,所述干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案;
基于带精英策略的非支配遗传算法,对所述干扰解集进行筛选,当算法收敛时,输出针对所述目标雷达下一时刻的工作状态的最优干扰解。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)、DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种雷达干扰方法,其特征在于,包括如下步骤:
获取目标雷达当前工作状态下的雷达参数,并根据所述雷达参数确定所述目标雷达下一时刻的工作状态;
根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率;
根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集,所述干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案;
基于带精英策略的非支配遗传算法,对所述干扰解集进行筛选,当算法收敛时,输出针对所述目标雷达下一时刻的工作状态的最优干扰解。
2.如权利要求1所述的雷达干扰方法,其特征在于,所述根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率的步骤,具体包括:
根据所述目标雷达下一时刻的工作状态,确定干扰所需的总功率,并根据所述干扰所需的总功率确定预设干扰样式的干扰功率。
3.如权利要求2所述的雷达干扰方法,其特征在于,所述根据所述目标雷达下一时刻的工作状态,确定干扰所需的总功率,并根据所述干扰所需的总功率确定预设干扰样式的干扰功率的步骤,具体包括:
根据所述目标雷达下一时刻的工作状态,确定干扰所需的总功率,并根据所述干扰所需的总功率和发射干扰信号的功率损耗,确定预设干扰样式的干扰功率。
4.如权利要求1所述的雷达干扰方法,其特征在于,所述根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率的步骤,具体包括:
根据所述目标雷达下一时刻的工作状态的转移矩阵和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率。
5.如权利要求4所述的雷达干扰方法,其特征在于,所述根据所述目标雷达下一时刻的工作状态的转移矩阵和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率的步骤,具体包括:
根据所述目标雷达下一时刻的工作状态的转移矩阵和所述预设干扰样式的干扰功率,确定每一类干扰样式针对所述目标雷达下一时刻的工作状态的干扰成功率,将所述每一类干扰样式的干扰成功率进行加和,得到针对所述目标雷达下一时刻的工作状态的综合干扰成功率;
所述根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集的步骤,具体包括:
根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的综合干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集。
6.一种雷达干扰装置,其特征在于,包括:
目标雷达下一时刻的工作状态获取单元,用于获取目标雷达当前工作状态下的雷达参数,并根据所述雷达参数确定所述目标雷达下一时刻的工作状态;
干扰成功率确定单元,用于根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率,并根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率;
干扰解集确定单元,用于根据所述预设干扰样式的干扰功率和所述目标雷达下一时刻的工作状态的干扰成功率,确定针对所述目标雷达下一时刻的工作状态的干扰解集,所述干扰解集为满足干扰功率最小和/或干扰成功率最高条件的雷达干扰方案;以及
最优干扰解输出单元,用于基于带精英策略的非支配遗传算法,对所述干扰解集进行筛选,并当算法收敛时,输出针对所述目标雷达下一时刻的工作状态的最优干扰解。
7.如权利要求6所述的雷达干扰装置,其特征在于,所述干扰成功率确定单元包括:
干扰功率确定模块,用于根据所述目标雷达下一时刻的工作状态,确定预设干扰样式的干扰功率;以及
干扰成功率确定模块,用于根据所述目标雷达下一时刻的工作状态和所述预设干扰样式的干扰功率,确定针对所述目标雷达下一时刻的工作状态的干扰成功率。
8.如权利要求7所述的雷达干扰装置,其特征在于,所述干扰功率确定模块具体用于:
根据所述目标雷达下一时刻的工作状态,确定干扰所需的总功率,并根据所述干扰所需的总功率和发射干扰信号的功率损耗,确定预设干扰样式的干扰功率。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至5中任一项权利要求所述的雷达干扰方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至5中任一项权利要求所述雷达干扰方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196313.1A CN109884599B (zh) | 2019-03-15 | 2019-03-15 | 一种雷达干扰方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196313.1A CN109884599B (zh) | 2019-03-15 | 2019-03-15 | 一种雷达干扰方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109884599A CN109884599A (zh) | 2019-06-14 |
CN109884599B true CN109884599B (zh) | 2022-11-11 |
Family
ID=66932415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910196313.1A Active CN109884599B (zh) | 2019-03-15 | 2019-03-15 | 一种雷达干扰方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109884599B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111427017B (zh) * | 2020-04-22 | 2020-12-11 | 北京航天长征飞行器研究所 | 一种干扰资源配置方法和装置 |
EP3910367B1 (en) * | 2020-05-11 | 2022-06-29 | Axis AB | Method and device for radar interference reduction |
CN113093124B (zh) * | 2021-04-07 | 2022-09-02 | 哈尔滨工程大学 | 一种基于dqn算法的雷达干扰资源实时分配方法 |
CN113376593B (zh) * | 2021-06-10 | 2022-10-04 | 西安电子科技大学 | 基于mpbi分解的stap雷达分布式干扰方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5311192A (en) * | 1989-01-03 | 1994-05-10 | Hughes Aircraft Company | Polarization ECCM technique for radar systems |
CN104914415A (zh) * | 2015-05-21 | 2015-09-16 | 中国人民解放军63892部队 | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 |
CN106526546A (zh) * | 2016-12-09 | 2017-03-22 | 南京航空航天大学 | 一种针对雷达与通信联合系统的雷达干扰功率分配方法 |
-
2019
- 2019-03-15 CN CN201910196313.1A patent/CN109884599B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5311192A (en) * | 1989-01-03 | 1994-05-10 | Hughes Aircraft Company | Polarization ECCM technique for radar systems |
CN104914415A (zh) * | 2015-05-21 | 2015-09-16 | 中国人民解放军63892部队 | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 |
CN106526546A (zh) * | 2016-12-09 | 2017-03-22 | 南京航空航天大学 | 一种针对雷达与通信联合系统的雷达干扰功率分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109884599A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109884599B (zh) | 一种雷达干扰方法、装置、计算机设备及存储介质 | |
CN113109770B (zh) | 一种干扰资源分配方法及系统 | |
CN110490422B (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
CN112698112B (zh) | 电磁频谱地图构建方法、装置、计算机设备和存储介质 | |
CN114357724B (zh) | 基于动态多目标优化的临机用频规划方法、装置和设备 | |
CN110768745A (zh) | 一种禁忌搜索人工蜂群算法下的干扰决策方法 | |
Ye et al. | Multiobjective Cognitive Cooperative Jamming Decision‐Making Method Based on Tabu Search‐Artificial Bee Colony Algorithm | |
CN115932752A (zh) | 一种基于不完全信息博弈的雷达认知干扰决策方法 | |
CN115567353A (zh) | 一种面向雷达组网系统的干扰多波束调度和干扰功率联合优化方法 | |
CN115236611A (zh) | 一种针对雷达系统的多干扰机协同压制资源调度方法 | |
Lu et al. | Adaptive allocation strategy for cooperatively jamming netted radar system based on improved cuckoo search algorithm | |
CN114662271A (zh) | 集中式mimo雷达多目标跟踪中的波束-功率-带宽联合分配方法 | |
CN113126041B (zh) | 基于惩罚因子可变的雷达分布式干扰信号产生方法 | |
CN114527435A (zh) | 基于干扰向量和nsga-ii算法的干扰资源分配方法 | |
Li et al. | An approach for predicting digital material consumption in electronic warfare | |
Li et al. | Resource optimization strategy in phased array radar network for multiple target tracking when against active oppressive interference | |
CN113376593B (zh) | 基于mpbi分解的stap雷达分布式干扰方法 | |
CN113126042B (zh) | 基于改进moea/d的stap雷达分布式干扰方法 | |
CN104899450A (zh) | 一种目标威胁等级综合评估二元语义判定方法 | |
Liu et al. | Cooperative Interference Decision Based on Directed Mutation Search Artificial Bee Colony Algorithm | |
CN113126040B (zh) | 基于pbi分解的stap雷达分布式干扰信号产生方法 | |
CN115983023A (zh) | 基于响应模型的导引头抗干扰试验样本选取方法和装置 | |
CN112034448B (zh) | 基于跟踪精度和资源限制下的组网雷达资源分配优化方法 | |
Yu et al. | Adaptive beam‐allocation method based on lobe efficacy | |
CN113126039B (zh) | 基于tch分解的stap雷达分布式干扰信号产生方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |