CN113687318A - 一种雷达抗干扰效能评估方法 - Google Patents

Abstract

本发明公开了一种雷达抗干扰效能评估方法，包括：构建若干雷达抗干扰效能评估指标，并对每个指标设置相应的归一化公式，以形成雷达抗干扰效能评估指标体系；选取一定的评估算法进行仿真，并结合雷达抗干扰效能评估指标体系形成雷达抗干扰效能评估模型；利用雷达抗干扰效能评估模型对同一种干扰场景下，不同抗干扰算法的性能进行评估。本发明提供的雷达抗干扰效能评估方法实现了对雷达系统在特定干扰环境下采取不同抗干扰措施时的工作能力的评估，从而给战争中的指战员和雷达使用者提供参考，使得其能够制定出更加合理的战术、做出更明智的决策。

Description

一种雷达抗干扰效能评估方法

技术领域

本发明属于雷达技术领域，具体涉及一种雷达抗干扰效能评估方法。

背景技术

雷达抗干扰效能评估就是评价和估计雷达系统在特定干扰环境下的工作能力，给战争中的指战员和雷达使用者提供参考，使得其能够制定出更加合理的战术、做出更明智的决策，进而改变战争形势或者得到更准确的探测、识别结果。目前在雷达研制中，评价、估计雷达系统的抗干扰效能的评估模型还没有一个完备、标准的指标体系。而如何从繁多的抗干扰技术中进行选取合适的抗干扰措施，目前也尚无一个标准可供参考。因此，建立一个通用的雷达系统抗干扰效能评估指标体系，选取评估方法从而确定指标权重建立评估模型，是雷达抗干扰效能评估需要解决的关键问题。

针对此问题，国内外很多学者进行了大量的研究。其中，层次熵分析法是2014年海军大连舰艇学院信息作战系郭万海、邵晓方等人提出的，该方法利用模糊数学理论建立了各指标因素的模糊隶属度函数，对舰载雷达抗干扰效能进行了综合评估。

然而，上述方法针对的评估对象是不同型号的雷达，评估指标的模型都是根据不同型号雷达的性能参数构建的。而针对同一部雷达，在特定干扰场景下，对不同抗干扰措施的抗干扰效能评估仍是目前亟待解决的关键问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种雷达抗干扰效能评估方法。本发明要解决的技术问题通过以下技术方案实现：

一种雷达抗干扰效能评估方法，包括：

构建若干雷达抗干扰效能评估指标，并对每个指标设置相应的归一化公式，以形成雷达抗干扰效能评估指标体系；

选取一定的评估算法进行仿真，并结合所述雷达抗干扰效能评估指标体系形成雷达抗干扰效能评估模型；

利用所述雷达抗干扰效能评估模型对同一种干扰场景下，不同抗干扰算法的性能进行评估。

在本发明的一个实施例中，在构建若干雷达抗干扰效能评估指标之前，还包括：

建立雷达的干扰和抗干扰算法库。

在本发明的一个实施例中，所述构建若干雷达抗干扰效能评估指标，包括：

根据效率准则构建若干效率评估指标；所述效率评估指标包括目标信号检测评估因子、干扰识别比率评估因子、测角偏差评估因子、测距偏差评估因子以及测速偏差评估因子。

在本发明的一个实施例中，对每个指标设置相应的归一化公式，包括：

设置目标信号检测评估因子E_d的评估指标值为：

0—抗干扰前后的检测情况没有改变；

0.5—抗干扰前无法检测到目标，抗干扰后既能检测到目标又能检测到干扰；

1—抗干扰后仅检测到目标；

设置干扰识别比率评估因子E_dir的归一化公式为：

其中，m表示采取抗干扰措施后，干扰功率小于目标信号功率的干扰个数，m₀为总的干扰个数；

设置测角偏差评估因子E_θ的归一化公式为：

其中，e_θ＝|θ_j-θ₀|为采取抗干扰措施前的测角偏差，e′_θ＝|θ′_j-θ₀|为采取抗干扰措施后的测角偏差，θ_j为雷达在干扰环境下，采取抗干扰措施前所测得的角度值，θ₀为目标真实角度，θ′_j为雷达在干扰环境下，采取抗干扰措施后所测得的角度值，δ_θ为单脉冲测角精度；

设置测距偏差评估因子E_R的归一化公式为：

其中，e_R＝|R_j-R₀|为采取抗干扰措施前的测距偏差，e′_R＝|R′_j-R₀|为采取抗干扰措施后的测距偏差，R_j为抗干扰前检测到的距离，R₀为目标真实距离，R′_j为抗干扰后检测到的距离，δ_R为测距精度；

设置测速偏差评估因子E_v的归一化公式为：

其中，e_v＝|V_j-V₀|为采取抗干扰措施前的测速偏差，e′_v＝|V′_j-V₀|为采取抗干扰措施后的测速偏差，V_j为干扰场景下，采取抗干扰措施前所测得的多普勒单元，V₀为目标信号所在多普勒单元，V′_j为干扰场景下，采取抗干扰措施后所测得的多普勒单元。

在本发明的一个实施例中，所述构建若干雷达抗干扰效能评估指标，还包括：

根据功率准则构建若干功率评估指标；所述功率评估指标包括信干噪比评估因子、信干比评估因子及干扰剩余比评估因子。

在本发明的一个实施例中，对每个指标设置相应的归一化公式，还包括：

设置信干噪比评估因子E_sjnr的归一化公式为：

其中，SJNR为抗干扰后的信号功率与干扰、噪声功率的比值；

设置信干比评估因子E_sjr的归一化公式为：

其中，SJR为雷达采取抗干扰措施后的信号功率与干扰功率的比值；

设置干扰剩余比评估因子E_jnr的归一化公式为：

其中，JNR为雷达在干扰环境下且采取抗干扰措施时，剩余干扰功率与噪声功率的比值。

在本发明的一个实施例中，选取一定的评估算法进行仿真，并结合所述雷达抗干扰效能评估指标体系形成雷达抗干扰效能评估模型，包括：

从所述雷达抗干扰效能评估指标体系中选取若干与某一干扰场景对应的评估指标；

根据干扰产生原理与战争中的指战员的意图，利用AHP算法得到所选评估指标对应的第一权值；

对不同抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标对应的第二权值；

利用层次熵分析法将所述第一权值和所述第二权值进行组合，得到所选评估指标对应的最终权值，从而形成完整的雷达抗干扰效能评估模型。

在本发明的一个实施例中，对不同的抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标对应的第二权值，包括：

对不同抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标的仿真数据；

将所选评估指标的仿真数据带入该指标对应的归一化公式，得到评估指标值；

对所述评估指标值进行熵权法算法处理，得到所选评估指标的第二权值。

在本发明的一个实施例中，利用所述雷达抗干扰效能评估模型对同一种干扰场景下，不同抗干扰算法的性能进行评估，包括：

基于所述雷达抗干扰效能评估模型，将所选评估指标对应的最终权值与其评估指标值相乘，得到最终的指标评估值；

根据所述指标评估值对同一种干扰场景下，不同抗干扰算法的性能进行评估。

本发明的有益效果：

本发明针对同一部雷达，建立了抗干扰效能评估指标体系及其对应的归一化公式，并通过评估算法仿真，形成了雷达抗干扰效能评估模型，实现了对雷达系统在特定干扰环境下采取不同抗干扰措施时的工作能力的评估，从而给战争中的指战员和雷达使用者提供参考，使得其能够制定出更加合理的战术、做出更明智的决策。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种雷达抗干扰效能评估方法流程示意图；

图2是自适应波束形成抗主瓣压制干扰结果图；

图3是自适应旁瓣相消抗主瓣压制干扰结果图；

图4是波形捷变形成抗主瓣压制干扰结果图；

图5是盲源分离抗主瓣压制干扰结果图；

图6是自适应波束形成抗主瓣密集假目标干扰结果图；

图7是自适应旁瓣相消抗主瓣密集假目标干扰结果图；

图8是波形捷变抗主瓣密集假目标干扰结果图；

图9是盲源分离抗主瓣密集假目标干扰结果图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1是本发明实施例提供的一种雷达抗干扰效能评估方法流程示意图，其包括：

S1：构建若干雷达抗干扰效能评估指标，并对每个指标设置相应的归一化公式，以形成雷达抗干扰效能评估指标体系。

首先，在构建雷达抗干扰效能评估指标之前，需要建立雷达的干扰和抗干扰算法库。

具体地，本实施例针对多种典型的干扰、抗干扰算法进行研究，并结合干扰、抗干扰产生原理，建立了干扰算法库及抗干扰算法库，并对不同的干扰-抗干扰组合逐一进行仿真，研究各项指标性能的变化情况，作为后续建立抗干扰效能评估指标体系的参考。

然后，根据上述研究结果和一些先验信息构建评估指标。

具体地，本实施例可以通过一定的准则筛选一些技术参数来评估雷达的抗干扰效能，例如效率准则或者功率准则。

对于效率准则，由于雷达系统抗干扰能力的衡量指标在效率准则中主要以雷达测量精度与作用距离等战术参数为主，是通过比较干扰场景下，有无抗干扰措施时同一指标的变化来评估抗干扰效能的，根据效率准则构建目标信号检测评估因子(E_d)、干扰识别比率评估因子(E_dir)；测角偏差评估因子(E_θ)、测距偏差评估因子(E_R)和测速偏差评估因子(E_v)的指标模型。

对于功率准则，由于功率准则是一种基于信干比、从功率角度出发的评估准则。因而本实施例可以根据不同的干扰场景，将信干比衍生为：适用于压制式干扰的信干噪比评估因子(E_sjnr)、适用于欺骗式干扰的信干比评估因子(E_sjr)及适用于欺骗式干扰的干扰剩余比评估因子(E_jnr)。

最后，对每个指标设置相应的归一化公式。

在本实施例中，将各个评估指标的值归一化后，评估指标值的取值范围是[0，1]，评估指标值越大说明该指标对应的性能越好。具体地，各个指标的归一化公式如下：

1)目标信号检测评估因子(E_d)

对抗干扰前后的时域脉压信号均经过CFAR处理，根据抗干扰前后的检测情况，给定评估指标值，具体规则为：

A.抗干扰前：无法检测到目标，抗干扰后：无法检测到目标；抗干扰前：既能检测到目标又能检测到干扰，抗干扰后：既能检测到目标又能检测到干扰；抗干扰前：既能检测到目标又能检测到干扰，抗干扰后：只能检测到干扰。以上这三种结果均为抗干扰前后的检测情况没有任何改变，于是令E_d评估指标值为0。

B.抗干扰前：无法检测到目标，抗干扰后：既能检测到目标又能检测到干扰。这种检测情况的E_d评估指标值为0.5。

C.抗干扰后仅检测到目标时，不论抗干扰前的检测情况如何，E_d评估指标值为1。

2)干扰识别比率评估因子(E_dir)

根据干扰功率会大于目标信号功率这一特点，将干扰识别比率定义为干扰功率低于目标信号功率的干扰个数与总的干扰个数的比值。由于效率准则是通过比较被干扰对象在有无抗干扰措施下同一指标的变化来评估抗干扰效能。由此，干扰识别比率评估因子定义为采取抗干扰措施后的干扰识别比率与采取抗干扰措施前的干扰识别比率之间的差值。其中，根据干扰特性可以知道抗干扰前的干扰识别比率为0。则干扰识别比率评估因子的计算公式为：

其中，m为采取抗干扰措施后，干扰功率小于目标信号功率的干扰个数。m₀为总的干扰个数。干扰识别比率评估因子E_dir的值越大，说明抗干扰效能越好。本指标主要用在密集假目标干扰以及有多种干扰类型的场景中。

3)测角偏差评估因子(E_θ)

定义采取抗干扰措施前的测角偏差e_θ为干扰场景下，采取抗干扰措施前所测得的角度与目标信号真实角度之差的绝对值，表达式为

e_θ＝|θ_j-θ₀|

式中，θ_j为雷达在干扰环境下，采取抗干扰措施前所测得的角度值；θ₀为目标真实角度，一般在仿真条件中给出。

定义采取抗干扰措施后的测角偏差e′_θ为干扰场景下，采取抗干扰措施后所测得的角度与目标信号真实角度之差的绝对值。表达式为：

e′_θ＝|θ′_j-θ₀|

式中，θ′_j为雷达在干扰环境下，采取抗干扰措施后所测得的角度值。这里考虑单脉冲测角精度δ_θ为

θ_0.5为半功率波束宽度。根据效率准则的定义，本指标是通过对比雷达在干扰场景下抗干扰前后同一评估指标的变化来衡量雷达的抗干扰效能。当e′_θ＜e_θ时，可以根据指标值的分段划分得到评估指标值。而当e′_θ≥e_θ时，认为抗干扰措施是无效的，此时直接判定评估指标值为0。

综上，具体测角偏差评估因子定义见下式：

4)测距偏差评估因子(E_R)

将抗干扰前检测到的距离R_j与目标真实距离R₀之差的绝对值定义为e_R。

e_R＝|R_j-R₀|

将抗干扰后检测到的距离R′_j与目标真实距离R₀之差的绝对值定义为e′_R。

e′_R＝|R′_j-R₀|

根据效率准则的定义，本指标是通过对比雷达在干扰场景下抗干扰前后同一评估指标的变化程度来衡量雷达的抗干扰效能。当e′_R＜e_R时，可以根据指标值的分段划分得到评估指标值。而当e′_R≥e_R时，认为抗干扰措施是无效的，此时直接判定评估指标值为0。

本次研究考虑雷达的测距精度δ_R为

具体测距偏差评估因子定义见下式：

其中，

为距离分辨率，B为雷达发射信号带宽，c为光速。

5)测速偏差评估因子(E_v)

将抗干扰前所测多普勒单元与目标真实多普勒单元之差的绝对值定义为e_v，即

e_v＝|V_j-V₀|

式中，V_j为干扰场景下，采取抗干扰措施前所测得的多普勒单元，V₀为目标信号所在多普勒单元。

将抗干扰后所测多普勒单元与目标真实多普勒单元之差的绝对值定义为e′_v，即

e′_v＝|V′_j-V₀|

式中，V′_j为干扰场景下，采取抗干扰措施后所测得的多普勒单元。

根据效率准则的定义，本指标是通过对比雷达在干扰场景下抗干扰前后同一评估指标的变化程度来衡量雷达的抗干扰效能。当e′_v＜e_v时，可以根据指标值的分段划分得到评估指标值。而当e′_v≥e_v时，认为抗干扰措施是无效的，此时直接判定评估指标值为0。

则具体测速偏差评估因子定义见下式：

6)信干噪比评估因子(E_sjnr)

在本实施例中，定义SJNR为抗干扰后的信号功率与干扰、噪声功率的比值，信干噪比评估因子的归一化计算公式如下：

信干噪比评估因子主要用于干扰场景为压制式干扰的抗干扰效能评估。

7)信干比评估因子(E_sjr)

定义信干比SJR为雷达采取抗干扰措施后的信号功率S与干扰功率J的比值，该评估因子的归一化定义公式为：

信干比评估因子主要用于干扰场景为欺骗式干扰的抗干扰效能评估。

8)干扰剩余比评估因子(E_jnr)

干扰剩余比JNR为雷达在干扰环境下且采取抗干扰措施时，剩余干扰功率与噪声功率的比值。干扰剩余比的值越小，说明抗干扰效能越好。

为了便于评估，将干扰剩余比JNR的值进行归一化得到干扰剩余比评估因子E_jnr，具体归一化公式如下：

至此，形成了了具有8个评估指标的雷达抗干扰效能评估指标体系。

需要说明的是，还可以根据需要，依照其他准则设置上述8个指标以外的其他评估指标，以形成具有更多数量的雷达抗干扰效能评估指标体系，对此本实施例不做具体限定。

S2：选取一定的评估算法进行仿真，并结合雷达抗干扰效能评估指标体系形成雷达抗干扰效能评估模型。

在本实施例中，可根据实际情况选取具有可实施性的评估方法，对评估方法算法进行仿真，形成完整的抗干扰效能评估模型。

优选的，本实施例采取的评估方法是层次熵分析法，层次熵分析法权重是利用层次分析法所得到的指标权值及熵权法所得到的指标权值，进行组合，从而得到主客观相结合的权值。其中，熵权法的指标权值是根据仿真结果得到的指标数据进行熵权法算法得到的。具体过程如下：

S21：从雷达抗干扰效能评估指标体系中选取若干与某一干扰场景对应的评估指标。

具体地，可根据干扰产生原理及决策者关心的雷达性能参数，从评估指标体系中选取若干个适用于该干扰场景的评估指标，实现每种干扰场景有其对应且固定的一套评估指标。

S22：根据干扰产生原理与战争中的指战员的意图，利用AHP算法得到所选评估指标对应的第一权值。

根据该干扰场景的特性以及仿真结果，对所选指标的重要性进行排序，并对其指定相应的权值，该权值具有一定的主观特性，在本实施例中又称其为第一权值。

S23：对不同抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标对应的第二权值。

首先，对不同抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标的仿真数据。

具体地，对于特定的干扰场景，可以选择多种抗干扰措施进行仿真，得到对应指标的仿真数据。

然后，将所选评估指标的仿真数据带入该指标对应的归一化公式，得到评估指标值。

最后，对评估指标值进行熵权法算法处理，得到所选评估指标的第二权值。

由于第二权值是根据仿真试验得到的，因而具有一定的客观性。

S24：利用层次熵分析法将所述第一权值和所述第二权值进行组合，得到所选评估指标对应的最终权值，从而形成完整的雷达抗干扰效能评估模型。

具体地，将步骤S22和步骤S23得到的主客观权值进行结合，得到较为理想的权值，并将其作为所选评估指标对应的最终权值。至此，形成了具有一定算法和一定抗干扰效能评估指标体系的完整的雷达抗干扰效能评估模型。

S3：利用雷达抗干扰效能评估模型对同一种干扰场景下，不同抗干扰算法的性能进行评估。

S31：基于雷达抗干扰效能评估模型，将所选评估指标对应的最终权值与通过仿真得到的评估指标值相乘，得到最终的评估值。

S32：根据评估值对同一种干扰场景下，不同抗干扰算法的性能进行评估。

此外，在评估完成之后，还可以根据雷达原理、干扰产生原理以及现有传统抗干扰措施等研究基础，验证得此套指标所计算得到的评估结果是合理的

本实施例针对同一部雷达，建立了抗干扰效能评估指标体系及其对应的归一化公式，并通过评估算法仿真，形成了雷达抗干扰效能评估模型，实现了对雷达系统在特定干扰环境下采取不同抗干扰措施时的工作能力的评估，从而给战争中的指战员和雷达使用者提供参考，使得其能够制定出更加合理的战术、做出更明智的决策。

实施例二

下面以干扰场景为压制干扰为例，对本发明的方法进行详细说明。

步骤1：构建如上述实施例一所述的包括8个评估指标的雷达抗干扰效能评估指标体系。

步骤2：从评估指标体系中选取若干个评估指标，形成一套与主瓣压制式干扰对应的评估指标。

由于主瓣压制式干扰的干扰功率很大，所以在此干扰场景下目标信号会淹没在干扰信号中，导致无法检测到目标信号，同时无法获取到目标信号的距离、角度信息。根据此特点，选取目标检测评估因子(E_d)、测角偏差评估因子(E_θ)、测距偏差评估因子(E_R)及信干噪比评估因子(E_sjnr)对主瓣压制式干扰场景下，采取不同抗干扰措施时的抗干扰效能进行评估。

步骤3：根据干扰场景选取了相应的评估指标后，利用AHP(层次分析法)评估方法对采取不同抗干扰措施时的抗干扰效能进行评估。

具体地，本实施例仿真的主瓣压制干扰的干扰类型为噪声调幅干扰，属于压制式干扰。根据压制式干扰的干扰特性及仿真结果，认为抗干扰效能评估时，评估指标重要性关系为：测角偏差评估因子(E_θ)>信干噪比评估因子(E_sjnr)＝目标检测评估因子(E_d)＝测距偏差评估因子(E_R)。

通过AHP算法，得到E_d、E_θ、E_R、E_sjnr这4个指标对应权值分别为0.2，0.4，0.2，0.2。

步骤4：对不同抗干扰措施对抗主瓣压制干扰进行仿真分析，得到仿真评估指标值。

首先，设置仿真场景为：载频为10GHz的雷达，脉冲重复周期为120us，时宽为10us，带宽8MHz，雷达距离目标的初始距离为8km，输入信噪比为10dB，输入干噪比为40dB，干扰带宽为20MHz。干扰角度1°，目标角度-1°，导引头指向0°。

然后，选取不同抗干扰措施对抗主瓣压制干扰进行仿真分析，仿真结果参见图2-5。

图2是自适应波束形成抗主瓣压制干扰的结果。其中，抗干扰前无法检测到目标信号，但抗干扰后经过CFAR处理，其门限能检测到目标信号，则根据归一化公式，目标信号检测评估因子E_d的值为1；抗干扰后测得角度为-1.05度，根据指标定义公式，计算得到角度偏差评估因子E_θ的值为1；抗干扰后检测到信号在7999m处，这个距离就是目标信号所在距离位置，从而测距偏差评估因子E_R的值为1；根据仿真结果，经过脉压处理后，相消后的信干噪比约为21dB，信干噪比评估因子E_sjnr的值根据定义计算得1。

图3是自适应旁瓣相消对抗主瓣压制干扰的结果。其中，抗干扰前无法检测到目标信号，但抗干扰后经过CFAR处理，其门限能检测到目标信号，则目标信号检测评估因子E_d的值为1；抗干扰前测得角度在1.05度，抗干扰后测得角度为-0.28度，根据指标定义公式，计算得到角度偏差评估因子E_θ的值为0；抗干扰后检测到信号在7999m处，这个距离就是目标信号所在距离位置，从而测距偏差评估因子E_R的值为1；根据仿真结果，经过脉压处理后，相消后的信干噪比约为26.45dB，信干噪比评估因子E_sjnr的值根据定义计算为1。

图4是波形捷变对抗主瓣压制干扰的结果。其中，抗干扰前无法检测到目标信号，但抗干扰后经过CFAR处理，其门限仍旧无法检测到目标信号，则目标信号检测评估因子E_d的值为0；抗干扰后所测得的角度为2.05度，则角度偏差评估因子E_θ的值为0；由于波形捷变抗干扰后无法检测出目标，此时无法测得距离信息。因此，测距偏差评估因子E_R的值为0；指标6：信干噪比评估因子根据仿真结果，经过脉压处理后，相消后信干噪比约为3.777dB，信干噪比评估因子E_sjnr的值根据定义计算为0.014。

图5是盲源分离对抗主瓣压制干扰的结果。其中，抗干扰前无法检测到目标信号，但抗干扰后经过CFAR处理，可以检测到目标信号，则目标信号检测评估因子E_d为1；抗干扰后所测得的角度为0.12度，则角度偏差评估因子E_θ的值为0；抗干扰后可以测得目标所在真实距离位置，测距偏差评估因子E_R的值为1；指标6：信干噪比评估因子根据仿真结果，经过脉压处理后，相消后信干噪比约为29dB，信干噪比评估因子E_sjnr的值根据定义计算为1。

步骤5：利用层次熵分析法进行评估。

具体地，利用熵权法对是对仿真结果得到的指标数据进行运算，将得到指标权值与之前计算得到的层次分析法权值结合，最终得到E_d、E_θ、E_R、E_sjnr这4个指标对应的层次熵分析法权值分别为0.165，0.512，0.165，0.158。

步骤6：将步骤5中的层次熵分析法权值与步骤4中的指标值相乘，可依次得到自适应波束形成抗主瓣压制干扰的评估值为1，自适应旁瓣相消抗主瓣压制干扰的评估值为0.488，波形捷变抗主瓣压制干扰的评估值为0.002，盲源分离抗主瓣压制干扰的评估值为0.488。

由此可见，在压制干扰场景下，利用自适应波束形成抗主瓣压制干扰的评估值最大，说明其对应的性能较好。

实施例三

下面以干扰场景为密集假目标干扰为例，对本发明的方法进行详细说明。

步骤一：构建如上述实施例一所述的包括8个评估指标的雷达抗干扰效能评估指标体系。

步骤二：从评估指标体系中选取若干个评估指标，形成一套与主瓣密集假目标干扰对应的评估指标。

由于密集假目标干扰会抬高CFAR门限导致会检测到干扰信号，所以密集假目标干扰场景的抗干扰效能评估指标体系中应该包含目标检测评估因子(E_d)、测角偏差评估因子(E_θ)和测距偏差评估因子(E_R)；又因为是欺骗式干扰，所以密集假目标干扰场景的抗干扰效能评估指标体系中应该包含信干比评估因子(E_sjr)和干扰剩余比评估因子(E_jnr)；同时由于密集假目标个数很多，当抗干扰效果不理想时，可能会出现消除部分假干扰的情况，于是密集假目标干扰场景的抗干扰效能评估指标体系中加入干扰识别比率评估因子(E_dir)。

步骤三：根据干扰场景选取了相应的评估指标后，利用AHP(层次分析法)评估方法对采取不同抗干扰措施时的抗干扰效能进行评估。

具体地，根据密集假目标干扰的干扰特性及仿真结果，认为抗干扰效能评估时，评估指标重要性关系为：信干比评估因子(E_sjr)＝干扰剩余比评估因子(E_jnr)＝目标检测评估因子(E_d)＝测角偏差评估因子(E_θ)＝干扰识别比率评估因子(E_dir)>测距偏差评估因子(E_R)。

通过AHP算法，得E_sjr、E_jnr、E_d、E_θ、E_dir、E_R这6个指标对应权值分别为0.182，0.182，0.182，0.182，0.182，0.09。

步骤四：对不同抗干扰措施对抗密集假目标干扰进行仿真分析，得到仿真评估指标值。

首先，设置仿真场景为：载频为10GHz的雷达，脉冲重复周期为120us，时宽为10us，带宽8MHz，雷达距离目标的初始距离为8km，输入信噪比为10dB，输入干噪比为30dB，假目标之间的间隔时间为1.5us。干扰角度1.2°，目标角度-1.2°，导引头指向0°。

然后，选取不同抗干扰措施对抗密集假目标干扰进行仿真分析，仿真结果参见图6-9。

图6是自适应波束形成抗主瓣密集假目标干扰的结果。其中，抗干扰前由于密集假目标的存在会抬高CFAR门限，导致既会检测到目标信号又会检测到干扰信号。抗干扰处理后，经过CFAR处理其门限仍旧既会检测到目标信号又会检测到干扰信号，则目标检测评估因子(E_d)的值为0；抗干扰前，脉压后会出现很多尖峰，其中密集假目标的尖峰幅值会大于真实目标的幅值。由于抗干扰后干扰所在距离的幅值均低于目标信号所在距离的幅值，此次仿真结果，干扰识别比率评估因子(E_dir)的值为1；抗干扰后所测得的角度信息就是真实目标的角度信息，则测角偏差评估因子(E_θ)的值为1；根据抗干扰后脉压结果，最大尖峰位置即为目标所在位置，正好为目标真实距离。测距偏差评估因子(E_R)的值为1；抗干扰后的信干比为3.73dB，则信干比评估因子(E_sjr)的值为0.014；观察抗干扰结果中假目标所在位置，计算得到抗干扰后的干噪比为16.5dB，此次仿真结果，干扰剩余比评估因子(E_jnr)的值为0.559。

图7是自适应旁瓣相消对抗主瓣密集假目标干扰的结果。其中，抗干扰前由于密集假目标的存在会抬高CFAR门限，导致既会检测到目标信号又会检测到干扰信号。抗干扰处理后，经过CFAR处理其门限仅检测到目标信号，则目标检测评估因子(E_d)的值为1；抗干扰前，脉压后会出现很多尖峰，其中密集假目标的尖峰幅值会大于真实目标的幅值。由于抗干扰后干扰所在距离的幅值均低于目标信号所在距离的幅值，此次仿真结果，干扰识别比率评估因子(E_dir)的值为1；抗干扰后所测得的角度为-0.41度，则测角偏差评估因子(E_θ)的值为0；根据抗干扰后脉压结果，最大尖峰位置即为目标所在位置，正好为目标真实距离。测距偏差评估因子(E_R)的值为1；抗干扰后的信干比为27dB，则信干比评估因子(E_sjr)的值为1；观察抗干扰结果中假目标所在位置，计算得到抗干扰后的干噪比为-2.1dB，此次仿真结果，干扰剩余比评估因子(E_jnr)的值为1。

图8是波形捷变对抗主瓣密集假目标干扰的结果。其中，抗干扰前由于密集假目标的存在会抬高CFAR门限，导致既会检测到目标信号又会检测到干扰信号。抗干扰处理后，经过CFAR处理其门限仅检测到目标信号，则目标检测评估因子(E_d)的值为1；抗干扰前，脉压后会出现很多尖峰，其中密集假目标的尖峰幅值会大于真实目标的幅值。由于抗干扰后干扰所在距离的幅值均低于目标信号所在距离的幅值，此次仿真结果，干扰识别比率评估因子(E_dir)的值为1；抗干扰后所测得的角度为-1.21度，则测角偏差评估因子(E_θ)的值为1；根据抗干扰后脉压结果，最大尖峰位置即为目标所在位置，正好为目标真实距离。测距偏差评估因子(E_R)的值为1；抗干扰后的信干比为25dB，则信干比评估因子(E_sjr)的值为1；观察抗干扰结果中假目标所在位置，计算得到抗干扰后的干噪比为-1.8dB，此次仿真结果，干扰剩余比评估因子(E_jnr)的值为1。

图9是盲源分离对抗主瓣密集假目标干扰的结果。其中，抗干扰前由于密集假目标的存在会抬高CFAR门限，导致既会检测到目标信号又会检测到干扰信号。抗干扰处理后，经过CFAR处理其门限仅检测到目标信号，则目标检测评估因子(E_d)的值为1；抗干扰前，脉压后会出现很多尖峰，其中密集假目标的尖峰幅值会大于真实目标的幅值。由于抗干扰后干扰所在距离的幅值均低于目标信号所在距离的幅值，此次仿真结果，干扰识别比率评估因子(E_dir)的值为1；抗干扰后所测得的角度为-0.1度，则测角偏差评估因子(E_θ)的值为0；根据抗干扰后脉压结果，最大尖峰位置即为目标所在位置，正好为目标真实距离。测距偏差评估因子(E_R)的值为1；抗干扰后的信干比为21.8dB，则信干比评估因子(E_sjr)的值为1；观察抗干扰结果中假目标所在位置，计算得到抗干扰后的干噪比为2.15dB，此次仿真结果，干扰剩余比评估因子(E_jnr)的值为0.99。

步骤五：利用层次熵分析法进行评估。

具体地，利用熵权法对是对仿真结果得到的指标数据进行运算，将得到指标权值与之前计算得到的层次分析法权值结合，最终得到E_sjr、E_jnr、E_d、E_θ、E_dir、E_R这6个指标对应的层次熵分析法权值分别为0.295，0.091，0.307，0.307，0，0。

步骤六：将步骤五中的层次熵分析法权值与步骤四中的指标值相乘，可依次得到自适应波束形成抗主瓣密集假目标干扰的评估值为0.362，自适应旁瓣相消抗主瓣密集假目标干扰的评估值为0.693，波形捷变抗主瓣密集假目标干扰的评估值为1，盲源分离抗主瓣密集假目标干扰的评估值为0.692。

由此可见，在密集假目标干扰场景下，利用波形捷变抗主瓣密集假目标干扰的评估值最大，说明其对应的性能较好。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种雷达抗干扰效能评估方法，其特征在于，包括：

构建若干雷达抗干扰效能评估指标，并对每个指标设置相应的归一化公式，以形成雷达抗干扰效能评估指标体系；

选取一定的评估算法进行仿真，并结合所述雷达抗干扰效能评估指标体系形成雷达抗干扰效能评估模型；

利用所述雷达抗干扰效能评估模型对同一种干扰场景下，不同抗干扰算法的性能进行评估。

2.根据权利要求1所述的雷达抗干扰效能评估方法，其特征在于，在构建若干雷达抗干扰效能评估指标之前，还包括：

建立雷达的干扰和抗干扰算法库。

3.根据权利要求1所述的雷达抗干扰效能评估方法，其特征在于，所述构建若干雷达抗干扰效能评估指标，包括：

根据效率准则构建若干效率评估指标；所述效率评估指标包括目标信号检测评估因子、干扰识别比率评估因子、测角偏差评估因子、测距偏差评估因子以及测速偏差评估因子。

4.根据权利要求3所述的雷达抗干扰效能评估方法，其特征在于，对每个指标设置相应的归一化公式，包括：

设置目标信号检测评估因子E_d的评估指标值为：

0—抗干扰前后的检测情况没有改变；

0.5—抗干扰前无法检测到目标，抗干扰后既能检测到目标又能检测到干扰；

1—抗干扰后仅检测到目标；

设置干扰识别比率评估因子E_dir的归一化公式为：

其中，m表示采取抗干扰措施后，干扰功率小于目标信号功率的干扰个数，m₀为总的干扰个数；

设置测角偏差评估因子E_θ的归一化公式为：

其中，e_θ＝|θ_j-θ₀|为采取抗干扰措施前的测角偏差，e′_θ＝|θ′_j-θ₀|为采取抗干扰措施后的测角偏差，θ_j为雷达在干扰环境下，采取抗干扰措施前所测得的角度值，θ₀为目标真实角度，θ′_j为雷达在干扰环境下，采取抗干扰措施后所测得的角度值，δ_θ为单脉冲测角精度；

设置测距偏差评估因子E_R的归一化公式为：

其中，e_R＝|R_j-R₀|为采取抗干扰措施前的测距偏差，e′_R＝|R′_j-R₀|为采取抗干扰措施后的测距偏差，R_j为抗干扰前检测到的距离，R₀为目标真实距离，R′_j为抗干扰后检测到的距离，δ_R为测距精度；

设置测速偏差评估因子E_v的归一化公式为：

其中，e_v＝|V_j-V₀|为采取抗干扰措施前的测速偏差，e′_v＝|V′_j-V₀|为采取抗干扰措施后的测速偏差，V_j为干扰场景下，采取抗干扰措施前所测得的多普勒单元，V₀为目标信号所在多普勒单元，V′_j为干扰场景下，采取抗干扰措施后所测得的多普勒单元。

5.根据权利要求1所述的雷达抗干扰效能评估方法，其特征在于，所述构建若干雷达抗干扰效能评估指标，还包括：

根据功率准则构建若干功率评估指标；所述功率评估指标包括信干噪比评估因子、信干比评估因子及干扰剩余比评估因子。

6.根据权利要求5所述的雷达抗干扰效能评估方法，其特征在于，对每个指标设置相应的归一化公式，还包括：

设置信干噪比评估因子E_sjnr的归一化公式为：

其中，SJNR为抗干扰后的信号功率与干扰、噪声功率的比值；

设置信干比评估因子E_sjr的归一化公式为：

其中，SJR为雷达采取抗干扰措施后的信号功率与干扰功率的比值；

设置干扰剩余比评估因子E_jnr的归一化公式为：

其中，JNR为雷达在干扰环境下且采取抗干扰措施时，剩余干扰功率与噪声功率的比值。

7.根据权利要求1所述的雷达抗干扰效能评估方法，其特征在于，选取一定的评估算法进行仿真，并结合所述雷达抗干扰效能评估指标体系形成雷达抗干扰效能评估模型，包括：

从所述雷达抗干扰效能评估指标体系中选取若干与某一干扰场景对应的评估指标；

根据干扰产生原理与战争中的指战员的意图，利用AHP算法得到所选评估指标对应的第一权值；

对不同抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标对应的第二权值；

利用层次熵分析法将所述第一权值和所述第二权值进行组合，得到所选评估指标对应的最终权值，从而形成完整的雷达抗干扰效能评估模型。

8.根据权利要求7所述的雷达抗干扰效能评估方法，其特征在于，对不同的抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标对应的第二权值，包括：

对不同抗干扰措施对抗干扰场景进行仿真分析，得到所选评估指标的仿真数据；

将所选评估指标的仿真数据带入该指标对应的归一化公式，得到评估指标值；

对所述评估指标值进行熵权法算法处理，得到所选评估指标的第二权值。

9.根据权利要求8所述的雷达抗干扰效能评估方法，其特征在于，利用所述雷达抗干扰效能评估模型对同一种干扰场景下，不同抗干扰算法的性能进行评估，包括：

基于所述雷达抗干扰效能评估模型，将所选评估指标对应的最终权值与其评估指标值相乘，得到最终的评估值；

根据所述评估值对同一种干扰场景下，不同抗干扰算法的性能进行评估。

Images