CN115616504A - 一种自适应雷达信号干扰方法 - Google Patents
一种自适应雷达信号干扰方法 Download PDFInfo
- Publication number
- CN115616504A CN115616504A CN202211630753.1A CN202211630753A CN115616504A CN 115616504 A CN115616504 A CN 115616504A CN 202211630753 A CN202211630753 A CN 202211630753A CN 115616504 A CN115616504 A CN 115616504A
- Authority
- CN
- China
- Prior art keywords
- data format
- radar signal
- radar
- signal
- interference
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/38—Jamming means, e.g. producing false echoes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达信号干扰的技术领域,公开了一种自适应雷达信号干扰方法,方法包括:利用自适应雷达信号数据格式挖掘方法得到雷达信号数据格式规范集合,对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的状态转移概率矩阵;并对状态转移概率矩阵进行修正以及归一化处理;获取目标雷达信号数据格式规范,将目标信号数据格式规范输入到样本生成子模型中,得到目标雷达信号的干扰信号并发送到指定雷达基站;基于转移概率矩阵以及回复信号的数据格式规范确定下一条干扰信号的数据格式规范并进行干扰信号生成。本发明实现大量伪造与雷达信号分布类似的干扰信号,对雷达信号进行有效干扰,提升干扰效率。
Description
技术领域
本发明涉及雷达信号干扰的技术领域,尤其涉及一种自适应雷达信号干扰方法。
背景技术
雷达信号干扰是电子对抗的重要手段,基于雷达信号实施侦测行为是对方行动的关键组成,所以针对雷达信号的对抗干扰行为也逐渐成为如今电子战中十分重要的一环。雷达信号干扰是把雷达信号作为主要作战对象,压制敌方电磁信号使用的高效对抗活动。随着现代电子信息技术的高速发展,基于人工智能技术的的雷达干扰信号识别愈发成熟,雷达干扰信号容易被电子侦察系统识别并做出针对性的抗干扰措施,传统的雷达信号干扰技术灵活性较差,尤其是在应对具有一定抗干扰能力的雷达通信系统时,发送的干扰信号经常会被识别过滤掉,导致有效干扰率降低,造成资源浪费,为了提高雷达信号干扰效率,本发明提出一种自适应雷达信号干扰方法,通过与雷达信号反复交互,逐渐学习到最优雷达信号干扰策略并自动生成干扰参数,以提升干扰成功率。
发明内容
有鉴于此,为提高雷达信号干扰效率,本发明提供一种自适应雷达信号干扰方法,通过与雷达信号反复地交互,逐渐学习到最优雷达信号干扰策略并自动生成干扰参数,以提升干扰成功率,目的在于:1)采用连续模式挖掘方法对数字化表示的雷达信号进行数据格式挖掘,得到频繁出现的雷达信号子序列作为雷达信号数据格式规范,其中雷达信号数据格式规范表征了雷达信号的信号分布特征,进而对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成基于雷达通信数据规范的状态转移概率矩阵,实现不同信号分布特征的转移概率,通过接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵计算得到不同数据格式规范的转移概率,确定下一条干扰信号的数据格式规范并进行干扰信号生成,从而实现信号分布近似的大量伪造通信格式的干扰信号生成,对目标雷达信号进行干扰处理;2)分别构建用于干扰信号生成以及干扰信号判别的样本生成子模型和样本判别子模型,构建使得干扰信号生成结果最为类似雷达信号以及干扰信号判别结果最为准确的训练目标函数,通过分别固定两种子模型参数进行交替、反复训练,快速得到稳定的模型参数以及可用的样本生成子模型,利用样本生成子模型实现干扰信号生成。
实现上述目的,本发明提供的一种自适应雷达信号干扰方法,包括以下步骤:
S1:截取大量雷达信号并对截取的雷达信号进行数字化处理,得到数字化表示的雷达信号集合;
S2:对雷达信号集合中的数据进行自适应雷达信号数据格式挖掘得到雷达信号数据格式规范集合,其中连续模式挖掘为自适应雷达信号数据格式挖掘的主要实施方法;
S3:根据挖掘得到的雷达信号数据格式规范集合,对数字化表示的雷达信号进行数据格式规范标注;
S4:对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成基于雷达通信数据规范的状态转移概率矩阵;
S5:基于概率阈值对状态转移概率矩阵进行修正,将修正后的状态转移概率矩阵进行归一化处理;
S6:构建雷达信号通信样本生成模型,所述模型包含样本生成子模型和样本判别子模型;
S7:截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,得到目标雷达信号数据格式规范,将目标信号数据格式规范输入到训练得到的样本生成子模型中,得到目标雷达信号的干扰信号,并将目标信号的干扰信号发送到指定雷达基站;
S8:接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,重复步骤S8构造大量伪造通信格式的干扰信号对目标雷达信号进行干扰处理。
作为本发明的进一步改进方法:
可选地,所述S1步骤中截取大量雷达信号并对截取的雷达信号进行数字化处理,包括:
其中:
t表示连续的时序信息;
S11:按照等间隔对雷达信号进行采样处理,每个采样点的值为对应采样时刻的雷达信号值,其中相邻采样点的采样时间间隔为,,其中表示雷达信号的采样频率,表示雷达信号中的最高信号频率;对雷达信号进行采样得到的采样点数目为:
其中:
其中:
可选地,所述S2步骤中对雷达信号集合中的数据进行自适应雷达信号数据格式挖掘得到雷达信号数据格式规范集合,包括:
对雷达信号集合中数字化表示的雷达信号进行自适应雷达信号数据格式挖掘,得到雷达信号数据格式规范集合,其中自适应雷达信号数据格式挖掘流程为:
S22:将雷达信号集合中数字化表示的雷达信号划分为若干子序列,其中每个子序列中包含若干采样点的编码结果,编码结果所对应的采样顺序连续,每个子序列中编码结果的数目在之间,并对每个雷达信号所划分的若干子序列进行去重处理,使得每个数字化表示的雷达信号划分得到若干不相同的子序列;对所有数字化表示的雷达信号进行子序列划分;
S23:计算每个子序列的支持度,其中支持度的计算公式为:
其中:
S24:删除支持度小于0.1的子序列,将所保留的子序列作为雷达信号数据格式规范,得到雷达信号数据格式规范集合,其中表示所保留的第j条子序列,即第j条雷达信号数据格式规范,表示所保留的子序列数目,即雷达信号数据格式规范的类别总数。
可选地,所述S3步骤中对数字化表示的雷达信号进行数据格式规范标注,包括:
按照雷达信号数据格式规范集合对雷达信号集合中数字化表示的雷达信号进行数据格式规范标注,其中标注规则为:
将数字化表示的雷达信号进行子序列划分,并将子序列划分结果与雷达信号数据格式规范集合中的雷达信号数据格式规范进行匹配,将匹配成功的子序列划分结果用对应匹配的雷达信号数据格式规范进行标注,得到数据格式规范标注后的雷达信号。
可选地,所述S4步骤中对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成状态转移概率矩阵,包括:
对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成状态转移概率矩阵,其中状态转移概率矩阵的构建形成流程为:
S41:按照时间维度统计不同数据格式规范之间的转移数量,其中数据格式规范和之间的转移数量为,表示所有数据格式规范标注后的雷达信号中,数据格式规范顺序在同一雷达信号的出现次数,若之间存在其余数据格式规范,则仍记录出现;
其中:
S43:基于不同数据格式规范之间的转移概率形成状态转移概率矩阵P:
其中:
可选地,所述S5步骤中基于概率阈值对状态转移概率矩阵进行修正以及归一化处理,包括:
基于概率阈值对状态转移概率矩阵进行修正以及归一化处理,其中状态概率矩阵P的修正方法为:对状态转移概率矩阵中的每一个转移概率与预设概率阈值进行比较,若大于预设概率阈值则保留,否则将该转移概率置0;
其中:
可选地,所述S6步骤中构建雷达信号通信样本生成模型,包括:
构建雷达信号通信样本生成模型,其中雷达信号通信样本生成模型包含样本生成子模型和样本判别子模型;
样本生成子模型以雷达信号的数据格式规范为输入,以符合规范的干扰信号为输出,样本判别子模型以生成的干扰信号为输入,以信号与雷达信号的差异性为输出;
其中样本生成子模型的结构依次包括卷积层、激活函数层以及反卷积层,其中卷积层层数为5层,反卷积层层数为5层,任意两个卷积层之间具有激活函数层,激活函数为ReLU函数,雷达信号的数据格式规范依次经过5层卷积层以及5层反卷积层得到干扰信号;在本发明实施例中,卷积层以及反卷积层的卷积核大小均为5×5,卷积层步长为2,反卷积层的步长为1/2;
可选地,所述S6步骤中基于数字化表示的雷达信号集合以及对应的雷达信号数据格式规范集合训练雷达信号通信样本生成模型,包括:
基于数字化表示的雷达信号集合以及对应的雷达信号数据格式规范集合训练雷达信号通信样本生成模型;
构建雷达信号通信样本生成模型的训练目标函数:
其中:
其中基于训练目标函数的雷达信号通信样本生成模型的训练流程为:
S61:随机生成样本判别子模型参数以及样本生成子模型参数,并基于所生成的参数分别构建样本判别子模型以及样本生成子模型;
S62:固定样本判别子模型参数,基于训练目标函数,利用Adam优化器对样本生成子模型参数进行优化,直到样本生成子模型参数稳定,基于稳定的样本生成子模型参数构建样本生成子模型;
S63:固定样本生成子模型参数,基于支持向量机训练算法确定样本判别子模型参数,计算所确定样本判别子模型参数与S62中所固定样本判别子模型参数的差值,若差值小于预设的阈值则训练结束,否则返回步骤S62,更新所固定的样本判别子模型参数。
可选地,所述S7步骤中截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,将目标信号数据格式规范输入到训练得到的样本生成子模型中,得到目标雷达信号的干扰信号,包括:
截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,得到目标雷达信号数据格式规范,将目标信号数据格式规范输入到训练后的样本生成子模型中,并将样本生成子模型所输出的数字化表示的干扰信号进行模拟化处理,得到目标雷达信号模拟化表示的干扰信号;
将目标信号的干扰信号发送到指定雷达基站,其中制定雷达基站表示目标雷达信号的目的基站。
可选地,所述S8步骤中接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,包括:
接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,其中下一条干扰信号的数据格式规范确定流程为:
根据返回信号的数据格式规范,遍历归一化后的状态转移概率矩阵,得到包含该数据格式规范的所有不同数据格式规范之间的转移概率,分别选取该数据格式规范在相对时间维度前以及相对时间维度后的最大转移概率所对应的另一条数据格式规范作为下一条干扰信号的数据格式规范,其中在相对时间维度前表示该数据格式规范在数据格式规范顺序的前部位置,在相对时间维度后表示该数据格式规范在数据格式规范顺序的后部位置;
并将下一条干扰信号的数据格式规范输入到样本生成子模型中,并将样本生成子模型所输出的数字化表示的干扰信号进行模拟化处理,生成下一条模拟化表示的干扰信号;
重复步骤S8构造大量伪造通信格式的干扰信号对目标雷达信号进行干扰处理。
为了解决上述问题,本发明提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;
通信接口,实现电子设备通信;及
处理器,执行所述存储器中存储的指令以实现上述所述的自适应雷达信号干扰方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的自适应雷达信号干扰方法。
相对于现有技术,本发明提出一种自适应雷达信号干扰方法,该技术具有以下优势:
首先,本方案提出一种类似雷达信号分布的干扰信号生成方法,采用连续模式挖掘方法对数字化表示的雷达信号进行数据格式挖掘,得到频繁出现的雷达信号子序列作为雷达信号数据格式规范,其中雷达信号数据格式规范表征了雷达信号的信号分布特征,数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成状态转移概率矩阵,其中状态转移概率矩阵的构建形成流程为:按照时间维度统计不同数据格式规范之间的转移数量,其中数据格式规范和之间的转移数量为,表示所有数据格式规范标注后的雷达信号中,数据格式规范顺序在同一雷达信号的出现次数,若之间存在其余数据格式规范,则仍记录出现;基于不同数据格式规范之间的转移数量,计算得到对应的不同数据格式规范之间的转移概率,其中数据格式规范和之间的转移概率为:
基于不同数据格式规范之间的转移概率形成状态转移概率矩阵P:
其中:表示雷达信号数据格式规范的类别总数。本方案通过接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵计算得到不同数据格式规范的转移概率,确定下一条干扰信号的数据格式规范并进行干扰信号生成,从而实现信号分布近似的大量伪造通信格式的干扰信号生成,对目标雷达信号进行干扰处理。
同时,本方案提出一种用于生成干扰信号的雷达信号通信样本生成模型,包含样本生成子模型和样本判别子模型;基于数字化表示的雷达信号集合以及对应的雷达信号数据格式规范集合训练雷达信号通信样本生成模型;构建雷达信号通信样本生成模型的训练目标函数:
表示基于参数的样本判别子模型,,1表示输入样本判别子模型的信号与真实雷达信号不存在较大差异,-1表示输入样本判别子模型的信号与真实雷达信号存在较大差异,为支持向量机模型参数;表示基于参数的样本生成模型,表示基于数据格式规范的干扰信号生成结果,所生成的信号为数字化表示信号,包括卷积层以及反卷积层的权重和偏置量;其中基于训练目标函数的雷达信号通信样本生成模型的训练流程为:随机生成样本判别子模型参数以及样本生成子模型参数,并基于所生成的参数分别构建样本判别子模型以及样本生成子模型;固定样本判别子模型参数,基于训练目标函数,利用Adam优化器对样本生成子模型参数进行优化,直到样本生成子模型参数稳定,基于稳定的样本生成子模型参数构建样本生成子模型;固定样本生成子模型参数,基于支持向量机训练算法确定样本判别子模型参数,计算所确定样本判别子模型参数与所固定样本判别子模型参数的差值,若差值小于预设的阈值则训练结束,否则更新所固定的样本判别子模型参数重新优化样本生成子模型参数。本方案通过分别构建用于干扰信号生成以及干扰信号判别的样本生成子模型和样本判别子模型,构建使得干扰信号生成结果最为类似雷达信号以及干扰信号判别结果最为准确的训练目标函数,通过分别固定两种子模型参数进行交替、反复训练,快速得到稳定的模型参数以及可用的样本生成子模型,利用样本生成子模型实现干扰信号生成。
附图说明
图1为本发明一实施例提供的一种自适应雷达信号干扰方法的流程示意图;
图2为本发明一实施例提供的实现自适应雷达信号干扰方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种自适应雷达信号干扰方法。所述自适应雷达信号干扰方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述自适应雷达信号干扰方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
S1:截取大量雷达信号并对截取的雷达信号进行数字化处理,得到数字化表示的雷达信号集合。
所述S1步骤中截取大量雷达信号并对截取的雷达信号进行数字化处理,包括:
其中:
t表示连续的时序信息;
S11:按照等间隔对雷达信号进行采样处理,每个采样点的值为对应采样时刻的雷达信号值,其中相邻采样点的采样时间间隔为,,其中表示雷达信号的采样频率,表示雷达信号中的最高信号频率;对雷达信号进行采样得到的采样点数目为:
其中:
其中:
S2:对雷达信号集合中的数据进行自适应雷达信号数据格式挖掘得到雷达信号数据格式规范集合,其中连续模式挖掘为自适应雷达信号数据格式挖掘的主要实施方法。
所述S2步骤中对雷达信号集合中的数据进行自适应雷达信号数据格式挖掘得到雷达信号数据格式规范集合,包括:
对雷达信号集合中数字化表示的雷达信号进行自适应雷达信号数据格式挖掘,得到雷达信号数据格式规范集合,其中自适应雷达信号数据格式挖掘流程为:
S22:将雷达信号集合中数字化表示的雷达信号划分为若干子序列,其中每个子序列中包含若干采样点的编码结果,编码结果所对应的采样顺序连续,每个子序列中编码结果的数目在之间,并对每个雷达信号所划分的若干子序列进行去重处理,使得每个数字化表示的雷达信号划分得到若干不相同的子序列;对所有数字化表示的雷达信号进行子序列划分;
S23:计算每个子序列的支持度,其中支持度的计算公式为:
其中:
S24:删除支持度小于0.1的子序列,将所保留的子序列作为雷达信号数据格式规范,得到雷达信号数据格式规范集合,其中表示所保留的第j条子序列,即第j条雷达信号数据格式规范,表示所保留的子序列数目,即雷达信号数据格式规范的类别总数。
S3:根据挖掘得到的雷达信号数据格式规范集合,对数字化表示的雷达信号进行数据格式规范标注。
所述S3步骤中对数字化表示的雷达信号进行数据格式规范标注,包括:
按照雷达信号数据格式规范集合对雷达信号集合中数字化表示的雷达信号进行数据格式规范标注,其中标注规则为:
将数字化表示的雷达信号进行子序列划分,并将子序列划分结果与雷达信号数据格式规范集合中的雷达信号数据格式规范进行匹配,将匹配成功的子序列划分结果用对应匹配的雷达信号数据格式规范进行标注,得到数据格式规范标注后的雷达信号。
S4:对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成基于雷达通信数据规范的状态转移概率矩阵。
所述S4步骤中对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成状态转移概率矩阵,包括:
对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成状态转移概率矩阵,其中状态转移概率矩阵的构建形成流程为:
S41:按照时间维度统计不同数据格式规范之间的转移数量,其中数据格式规范和之间的转移数量为,表示所有数据格式规范标注后的雷达信号中,数据格式规范顺序在同一雷达信号的出现次数,若之间存在其余数据格式规范,则仍记录出现;
其中:
S43:基于不同数据格式规范之间的转移概率形成状态转移概率矩阵P:
其中:
S5:基于概率阈值对状态转移概率矩阵进行修正,将修正后的状态转移概率矩阵进行归一化处理。
所述S5步骤中基于概率阈值对状态转移概率矩阵进行修正以及归一化处理,包括:
基于概率阈值对状态转移概率矩阵进行修正以及归一化处理,其中状态概率矩阵P的修正方法为:对状态转移概率矩阵中的每一个转移概率与预设概率阈值进行比较,若大于预设概率阈值则保留,否则将该转移概率置0;
其中:
S6:构建雷达信号通信样本生成模型,所述模型包含样本生成子模型和样本判别子模型。
所述S6步骤中构建雷达信号通信样本生成模型,包括:
构建雷达信号通信样本生成模型,其中雷达信号通信样本生成模型包含样本生成子模型和样本判别子模型;
样本生成子模型以雷达信号的数据格式规范为输入,以符合规范的干扰信号为输出,样本判别子模型以生成的干扰信号为输入,以信号与雷达信号的差异性为输出;
其中样本生成子模型的结构依次包括卷积层、激活函数层以及反卷积层,其中卷积层层数为5层,反卷积层层数为5层,任意两个卷积层之间具有激活函数层,激活函数为ReLU函数,雷达信号的数据格式规范依次经过5层卷积层以及5层反卷积层得到干扰信号;在本发明实施例中,卷积层以及反卷积层的卷积核大小均为5×5,卷积层步长为2,反卷积层的步长为1/2;
所述S6步骤中基于数字化表示的雷达信号集合以及对应的雷达信号数据格式规范集合训练雷达信号通信样本生成模型,包括:
基于数字化表示的雷达信号集合以及对应的雷达信号数据格式规范集合训练雷达信号通信样本生成模型;
构建雷达信号通信样本生成模型的训练目标函数:
其中:
其中基于训练目标函数的雷达信号通信样本生成模型的训练流程为:
S61:随机生成样本判别子模型参数以及样本生成子模型参数,并基于所生成的参数分别构建样本判别子模型以及样本生成子模型;
S62:固定样本判别子模型参数,基于训练目标函数,利用Adam优化器对样本生成子模型参数进行优化,直到样本生成子模型参数稳定,基于稳定的样本生成子模型参数构建样本生成子模型;
S63:固定样本生成子模型参数,基于支持向量机训练算法确定样本判别子模型参数,计算所确定样本判别子模型参数与S62中所固定样本判别子模型参数的差值,若差值小于预设的阈值则训练结束,否则返回步骤S62,更新所固定的样本判别子模型参数。
S7:截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,得到目标雷达信号数据格式规范,将目标信号数据格式规范输入到训练得到的样本生成子模型中,得到目标雷达信号的干扰信号,并将目标信号的干扰信号发送到指定雷达基站。
所述S7步骤中截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,将目标信号数据格式规范输入到训练得到的样本生成子模型中,得到目标雷达信号的干扰信号,包括:
截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,得到目标雷达信号数据格式规范,将目标信号数据格式规范输入到训练后的样本生成子模型中,并将样本生成子模型所输出的数字化表示的干扰信号进行模拟化处理,得到目标雷达信号模拟化表示的干扰信号;
将目标信号的干扰信号发送到指定雷达基站,其中制定雷达基站表示目标雷达信号的目的基站。
S8:接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,重复步骤S8构造大量伪造通信格式的干扰信号对目标雷达信号进行干扰处理。
所述S8步骤中接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,包括:
接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,其中下一条干扰信号的数据格式规范确定流程为:
根据返回信号的数据格式规范,遍历归一化后的状态转移概率矩阵,得到包含该数据格式规范的所有不同数据格式规范之间的转移概率,分别选取该数据格式规范在相对时间维度前以及相对时间维度后的最大转移概率所对应的另一条数据格式规范作为下一条干扰信号的数据格式规范,其中在相对时间维度前表示该数据格式规范在数据格式规范顺序的前部位置,在相对时间维度后表示该数据格式规范在数据格式规范顺序的后部位置;
并将下一条干扰信号的数据格式规范输入到样本生成子模型中,并将样本生成子模型所输出的数字化表示的干扰信号进行模拟化处理,生成下一条模拟化表示的干扰信号;
重复步骤S8构造大量伪造通信格式的干扰信号对目标雷达信号进行干扰处理。
实施例2:
如图2所示,是本发明一实施例提供的实现自适应雷达信号干扰方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(用于实现雷达信号干扰的程序12等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接,并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图2仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图2示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
截取大量雷达信号并对截取的雷达信号进行数字化处理,得到数字化表示的雷达信号集合;
对雷达信号集合中的数据进行自适应雷达信号数据格式挖掘得到雷达信号数据格式规范集合;
根据挖掘得到的雷达信号数据格式规范集合,对数字化表示的雷达信号进行数据格式规范标注;
对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成基于雷达通信数据规范的状态转移概率矩阵;
基于概率阈值对状态转移概率矩阵进行修正,将修正后的状态转移概率矩阵进行归一化处理;
构建雷达信号通信样本生成模型,所述模型包含样本生成子模型和样本判别子模型;
截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,得到目标雷达信号数据格式规范,将目标信号数据格式规范输入到训练得到的样本生成子模型中,得到目标雷达信号的干扰信号,并将目标信号的干扰信号发送到指定雷达基站;
接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种自适应雷达信号干扰方法,其特征在于,所述方法包括:
S1:截取大量雷达信号并对截取的雷达信号进行数字化处理,得到数字化表示的雷达信号集合;
S2:对雷达信号集合中的数据进行自适应雷达信号数据格式挖掘得到雷达信号数据格式规范集合;
S3:根据挖掘得到的雷达信号数据格式规范集合,对数字化表示的雷达信号进行数据格式规范标注;
S4:对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成基于雷达通信数据规范的状态转移概率矩阵;
S5:基于概率阈值对状态转移概率矩阵进行修正,将修正后的状态转移概率矩阵进行归一化处理;
S6:构建雷达信号通信样本生成模型,所述模型包含样本生成子模型和样本判别子模型;
S7:截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,得到目标雷达信号数据格式规范,将目标信号数据格式规范输入到训练得到的样本生成子模型中,得到目标雷达信号的干扰信号,并将目标信号的干扰信号发送到指定雷达基站;
S8:接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,重复步骤S8构造大量伪造通信格式的干扰信号对目标雷达信号进行干扰处理。
2.如权利要求1所述的一种自适应雷达信号干扰方法,其特征在于,所述S1步骤中截取大量雷达信号并对截取的雷达信号进行数字化处理,包括:
其中:
t表示连续的时序信息;
S11:按照等间隔对雷达信号进行采样处理,每个采样点的值为对应采样时刻的雷达信号值,其中相邻采样点的采样时间间隔为,,其中表示雷达信号的采样频率,表示雷达信号中的最高信号频率;对雷达信号进行采样得到的采样点数目为:
其中:
其中:
3.如权利要求2所述的一种自适应雷达信号干扰方法,其特征在于,所述S2步骤中对雷达信号集合中的数据进行自适应雷达信号数据格式挖掘得到雷达信号数据格式规范集合,包括:
对雷达信号集合中数字化表示的雷达信号进行自适应雷达信号数据格式挖掘,得到雷达信号数据格式规范集合,其中自适应雷达信号数据格式挖掘流程为:
S22:将雷达信号集合中数字化表示的雷达信号划分为若干子序列,其中每个子序列中包含若干采样点的编码结果,编码结果所对应的采样顺序连续,每个子序列中编码结果的数目在之间,并对每个雷达信号所划分的若干子序列进行去重处理,使得每个数字化表示的雷达信号划分得到若干不相同的子序列;对所有数字化表示的雷达信号进行子序列划分;
S23:计算每个子序列的支持度,其中支持度的计算公式为:
其中:
4.如权利要求3所述的一种自适应雷达信号干扰方法,其特征在于,所述S3步骤中对数字化表示的雷达信号进行数据格式规范标注,包括:
按照雷达信号数据格式规范集合对雷达信号集合中数字化表示的雷达信号进行数据格式规范标注,其中标注规则为:
将数字化表示的雷达信号进行子序列划分,并将子序列划分结果与雷达信号数据格式规范集合中的雷达信号数据格式规范进行匹配,将匹配成功的子序列划分结果用对应匹配的雷达信号数据格式规范进行标注,得到数据格式规范标注后的雷达信号。
5.如权利要求4所述的一种自适应雷达信号干扰方法,其特征在于,所述S4步骤中对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成状态转移概率矩阵,包括:
对数据格式规范标注后的雷达信号按照时间维度统计不同数据格式规范之间的转移概率,形成状态转移概率矩阵,其中状态转移概率矩阵的构建形成流程为:
S41:按照时间维度统计不同数据格式规范之间的转移数量,其中数据格式规范和之间的转移数量为,表示所有数据格式规范标注后的雷达信号中,数据格式规范顺序在同一雷达信号的出现次数,若之间存在其余数据格式规范,则仍记录出现;
其中:
S43:基于不同数据格式规范之间的转移概率形成状态转移概率矩阵P:
其中:
7.如权利要求1所述的一种自适应雷达信号干扰方法,其特征在于,所述S6步骤中构建雷达信号通信样本生成模型,包括:
构建雷达信号通信样本生成模型,其中雷达信号通信样本生成模型包含样本生成子模型和样本判别子模型;
样本生成子模型以雷达信号的数据格式规范为输入,以符合规范的干扰信号为输出,样本判别子模型以生成的干扰信号为输入,以信号与雷达信号的差异性为输出;
其中样本生成子模型的结构依次包括卷积层、激活函数层以及反卷积层,其中卷积层层数为5层,反卷积层层数为5层,任意两个卷积层之间具有激活函数层,激活函数为ReLU函数,雷达信号的数据格式规范依次经过5层卷积层以及5层反卷积层得到干扰信号;
8.如权利要求7所述的一种自适应雷达信号干扰方法,其特征在于,所述S6步骤中基于数字化表示的雷达信号集合以及对应的雷达信号数据格式规范集合训练雷达信号通信样本生成模型,包括:
基于数字化表示的雷达信号集合以及对应的雷达信号数据格式规范集合训练雷达信号通信样本生成模型;
构建雷达信号通信样本生成模型的训练目标函数:
其中:
其中基于训练目标函数的雷达信号通信样本生成模型的训练流程为:
S61:随机生成样本判别子模型参数以及样本生成子模型参数,并基于所生成的参数分别构建样本判别子模型以及样本生成子模型;
S62:固定样本判别子模型参数,基于训练目标函数,利用Adam优化器对样本生成子模型参数进行优化,直到样本生成子模型参数稳定,基于稳定的样本生成子模型参数构建样本生成子模型;
9.如权利要求1所述的一种自适应雷达信号干扰方法,其特征在于,所述S7步骤中截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,将目标信号数据格式规范输入到训练得到的样本生成子模型中,得到目标雷达信号的干扰信号,包括:
截取待干扰处理的目标雷达信号并进行数字化处理以及数据格式挖掘,得到目标雷达信号数据格式规范,将目标信号数据格式规范输入到训练后的样本生成子模型中,并将样本生成子模型所输出的数字化表示的干扰信号进行模拟化处理,得到目标雷达信号模拟化表示的干扰信号;
将目标信号的干扰信号发送到指定雷达基站,其中制定雷达基站表示目标雷达信号的目的基站。
10.如权利要求9所述的一种自适应雷达信号干扰方法,其特征在于,所述S8步骤中接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,包括:
接收指定雷达基站的返回信号并提取返回信号的数据格式规范,根据归一化后的状态转移概率矩阵确定下一条干扰信号的数据格式规范并进行干扰信号生成,其中下一条干扰信号的数据格式规范确定流程为:
根据返回信号的数据格式规范,遍历归一化后的状态转移概率矩阵,得到包含该数据格式规范的所有不同数据格式规范之间的转移概率,分别选取该数据格式规范在相对时间维度前以及相对时间维度后的最大转移概率所对应的另一条数据格式规范作为下一条干扰信号的数据格式规范,其中在相对时间维度前表示该数据格式规范在数据格式规范顺序的前部位置,在相对时间维度后表示该数据格式规范在数据格式规范顺序的后部位置;
并将下一条干扰信号的数据格式规范输入到样本生成子模型中,并将样本生成子模型所输出的数字化表示的干扰信号进行模拟化处理,生成下一条模拟化表示的干扰信号;
重复步骤S8构造大量伪造通信格式的干扰信号对目标雷达信号进行干扰处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211630753.1A CN115616504B (zh) | 2022-12-19 | 2022-12-19 | 一种自适应雷达信号干扰方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211630753.1A CN115616504B (zh) | 2022-12-19 | 2022-12-19 | 一种自适应雷达信号干扰方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115616504A true CN115616504A (zh) | 2023-01-17 |
CN115616504B CN115616504B (zh) | 2023-04-25 |
Family
ID=84880951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211630753.1A Active CN115616504B (zh) | 2022-12-19 | 2022-12-19 | 一种自适应雷达信号干扰方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115616504B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109975800A (zh) * | 2019-04-01 | 2019-07-05 | 中国电子科技集团公司信息科学研究院 | 组网雷达资源管控方法及装置、计算机可读存储介质 |
RU2724116C1 (ru) * | 2019-12-30 | 2020-06-22 | Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Способ функционирования импульсно-доплеровской бортовой радиолокационной станции истребителя при воздействии по основному лепестку диаграммы направленности антенны помехи типа DRFM |
CN112526497A (zh) * | 2020-06-23 | 2021-03-19 | 常熟理工学院 | 一种压缩感知雷达干扰抑制稀疏观测方法 |
CN114429156A (zh) * | 2022-01-21 | 2022-05-03 | 西安电子科技大学 | 雷达干扰多域特征对抗学习与检测识别方法 |
CN115204211A (zh) * | 2022-05-24 | 2022-10-18 | 中国地质大学(武汉) | 基于深度残差收缩注意力网络的认知侦察识别方法及装置 |
-
2022
- 2022-12-19 CN CN202211630753.1A patent/CN115616504B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109975800A (zh) * | 2019-04-01 | 2019-07-05 | 中国电子科技集团公司信息科学研究院 | 组网雷达资源管控方法及装置、计算机可读存储介质 |
RU2724116C1 (ru) * | 2019-12-30 | 2020-06-22 | Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Способ функционирования импульсно-доплеровской бортовой радиолокационной станции истребителя при воздействии по основному лепестку диаграммы направленности антенны помехи типа DRFM |
CN112526497A (zh) * | 2020-06-23 | 2021-03-19 | 常熟理工学院 | 一种压缩感知雷达干扰抑制稀疏观测方法 |
CN114429156A (zh) * | 2022-01-21 | 2022-05-03 | 西安电子科技大学 | 雷达干扰多域特征对抗学习与检测识别方法 |
CN115204211A (zh) * | 2022-05-24 | 2022-10-18 | 中国地质大学(武汉) | 基于深度残差收缩注意力网络的认知侦察识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
NANCHI SU 等: "Secure Dual-Functional Radar-Communication System via Exploiting Known Interference in the Presence of Clutter" * |
黄天奇 等: "集中式组网雷达的假目标欺骗干扰优化方法" * |
Also Published As
Publication number | Publication date |
---|---|
CN115616504B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108428132B (zh) | 欺诈交易识别方法、装置、服务器及存储介质 | |
CN107632995B (zh) | 随机森林模型训练的方法及模型训练控制系统 | |
CN110033018B (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
CN112581227A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN109918498B (zh) | 一种问题入库方法和装置 | |
CN112783616A (zh) | 一种并发冲突处理方法、装置及计算机存储介质 | |
CN111159481B (zh) | 图数据的边预测方法、装置及终端设备 | |
CN114494800A (zh) | 预测模型训练方法、装置、电子设备及存储介质 | |
CN114299546A (zh) | 识别宠物身份的方法、装置、存储介质及电子设备 | |
CN114220536A (zh) | 基于机器学习的疾病分析方法、装置、设备及存储介质 | |
CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
CN112463205B (zh) | 基于ai和大数据的应用程序管理方法及人工智能服务器 | |
CN113472860A (zh) | 大数据和数字化环境下的业务资源分配方法及服务器 | |
CN113032524A (zh) | 商标侵权识别方法、终端设备及存储介质 | |
CN107730364A (zh) | 用户识别方法及装置 | |
CN107729407A (zh) | 用户行为分析方法及服务器 | |
CN115796231B (zh) | 一种时态分析的超短期风速预测方法 | |
CN115616504A (zh) | 一种自适应雷达信号干扰方法 | |
CN109522451A (zh) | 重复视频检测方法和装置 | |
CN114513355A (zh) | 恶意域名检测方法、装置、设备及存储介质 | |
CN113486238A (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
CN111708884A (zh) | 文本分类方法、装置及电子设备 | |
CN109165097B (zh) | 一种数据处理方法以及数据处理装置 | |
CN113469237A (zh) | 用户意图识别方法、装置、电子设备及存储介质 | |
CN113726963A (zh) | 智能外呼防骚扰方法、装置、设备及介质 |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: Room 04, 05, 06, 07, 10th Floor, Building A1, Hunan Inspection and Testing Characteristic Industrial Park, No. 336 Bachelor Road, Bachelor Street, Yuelu District, Changsha City, Hunan Province, 410208 Patentee after: Hunan Liyan Optoelectronic Technology Co.,Ltd. Address before: 410205 Room 401, building 6, phase I, CLP Software Park, No. 39, Jianshan Road, Changsha high tech Development Zone, Changsha, Hunan Patentee before: Hunan Liyan Optoelectronic Technology Co.,Ltd. |