[發明專利]一種基于神經網絡的機載雷達射頻隱身波形選擇方法

在審

• 申請號: 202010097639.1
• 申請日: 2020-02-17
• 公開（公告）號: CN111337918A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 時晨光;王奕杰;丁琳濤
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01S13/72
• 分類號: G01S13/72;G01S7/282;G01S7/35;G01S7/36;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 徐紅梅

本發明公開了一種基于神經網絡的機載雷達射頻隱身波形選擇方法，包括建立機載雷達射頻隱身發射波形選擇集合Ω；定義機載雷達射頻隱身波形選擇目標函數；建立基于目標函數OF的機載雷達射頻隱身波形選擇模型；采用神經網絡對機載雷達射頻隱身波形進行選擇。本發明方法不僅能夠提升目標跟蹤精度及機載雷達的射頻隱身性能，而且可以有效降低計算耗時，提高運行效率。

技術領域

本發明屬于雷達信號處理的技術領域，具體涉及一種基于神經網絡的機載雷達射頻隱身波形選擇方法。

背景技術

隨著電子對抗技術的快速發展，未來戰斗機所面臨的作戰環境將會越來越嚴峻。特別是各種先進無源探測器的廣泛使用，使得單純依靠被動隱身技術已經不能完全保證戰斗機的安全。機載雷達射頻隱身(Radio Frequency Stealth,RFS)技術作為一種重要的主動隱身技術，通過縮減己方機載雷達設備的輻射特性來降低敵方無源探測設備的截獲概率和截獲距離，從而提升雷達系統的反偵察、反干擾能力，是保障戰斗機先敵發現、先敵打擊、先敵摧毀的重要手段。

神經網絡具有分布式、自組織和自學習特點，可以并行協同處理信息，完成信息的處理與存儲。神經網絡通過大量的學習，不斷調整自身權重與閾值，具有智能特性。目前，神經網絡技術已應用到雷達發射波形選擇中，在降低計算耗時的同時，提升了雷達目標跟蹤性能。

然而，已有的研究成果雖然涉及基于神經網絡的雷達波形選擇問題，在預先設定的雷達發射波形庫中，通過對雷達發射波形或波形參數進行自適應優化選擇，提升了雷達系統的目標跟蹤性能。然而，已有研究成果均未考慮雷達系統的射頻隱身性能，具有一定的局限性，而且目前尚未有基于神經網絡的機載雷達射頻隱身波形選擇方法見諸公開報道。

發明內容

發明目的：針對現有技術存在的問題和不足，本發明提供一種基于神經網絡的機載雷達射頻隱身波形選擇方法。該方法不僅能夠提升目標跟蹤精度及機載雷達的射頻隱身性能，而且可以有效降低計算耗時，提高運行效率。

技術方案：為實現上述發明目的，本發明采用以下技術方案：

一種基于神經網絡的機載雷達射頻隱身波形選擇方法，包括以下步驟：

(1)建立機載雷達射頻隱身發射波形選擇集合Ω；

(2)定義機載雷達射頻隱身波形選擇目標函數；

(3)建立基于目標函數OF的機載雷達射頻隱身波形選擇模型，并采用遍歷法對模型進行求解；

(4)采用神經網絡對機載雷達射頻隱身波形進行選擇。

進一步的，步驟(1)中機載雷達射頻隱身發射波形選擇集合Ω中包括線性調頻信號、高斯調制線性調頻信號、巴克碼信號、P1碼、P2碼、P3碼和P4碼。

進一步的，步驟(2)中定義機載雷達射頻隱身波形選擇目標函數為：

其中，det[·]表示求矩陣的行列式值運算，Φ_k+1為k+1時刻機載雷達的發射波形，為k+1時刻的目標協方差矩陣，通過下式計算：

其中，M為目標運動模型總數目，為k+1時刻模型m的概率，為k+1時刻模型m的目標協方差矩陣，為k+1時刻模型m的目標狀態，為k+1時刻的目標狀態，即：

進一步的，步驟(3)中在k+1時刻機載雷達對目標進行照射跟蹤時，建立基于目標函數的機載雷達射頻隱身波形選擇模型，如下所示：

其中，其中，為k+1時刻的目標協方差矩陣，Φ_k+1為k+1時刻機載雷達的發射波形，Ω表示預先建立的機載雷達射頻隱身發射波形選擇集合；