[發明專利]一種雷達智能認知抗干擾策略的生成方法

在審

• 申請號: 202110106779.5
• 申請日: 2021-01-26
• 公開（公告）號: CN112904290A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 糾博;李思博;李康;劉宏偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S7/36
• 分類號: G01S7/36
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 劉長春

1.一種雷達智能認知抗干擾策略的生成方法，其特征在于，包括：

步驟1：構建干擾機的多個干擾策略；

步驟2：基于預先的模仿學習模型對多個干擾策略進行參數化，獲得每個干擾策略的參數化表達；

步驟3：對每個干擾策略的參數化表達進行參數攝動，獲得參數攝動后的干擾策略；

步驟4：構建基于WR²L的抗干擾策略生成網絡，將其作為FA雷達的代理；

步驟5：利用所述參數攝動后的干擾策略，對所述抗干擾策略生成網絡訓練，以使所述抗干擾策略生成網絡按照獎勵遞增的方向在動作數據中選擇動作執行，直至所述抗干擾策略生產網絡的執行動作的獎勵不再變化，得到訓練好的抗干擾策略生成網絡；

其中，所述獎勵根據一個雷達相干處理時間CPI中FA雷達代理的檢測概率計算得到；

步驟6：將干擾機的實時干擾策略輸入所述訓練好的抗干擾策略生成網絡，生成抗干擾策略。

2.根據權利要求1所述的生成方法，其特征在于，所述步驟2包括：

步驟2.1，在所述多個干擾策略中選定一個干擾策略

步驟2.2，構建映射函數f_φ(·)，初始化一個雷達相干處理時間CPI內的脈沖數T，專家軌跡數量N_E，和D_ω的初始抗干擾策略和蒙特卡洛估計法中判別器的參數ω₀，初始化雷達的干擾策略π_pre，定義空表τ_E；

其中，τ_E存儲樣本軌跡τ，τ＝s₀,a₀,r₁,s₁,a₁,r₂,...s_n,a_n,r_n；

步驟2.3，令循環數n＝1；

步驟2.4，根據給定的分布p₀(s₀)得到樣本s₀；

步驟2.5，令時間步t＝0；

步驟2.6，通過映射函數f_φ(·)得到干擾機狀態s′_t；

步驟2.7，雷達根據策略π_pre(a_t|s_t)采取行動a_t；

步驟2.8，干擾機根據預先設定的干擾策略采取行動a′_t，并轉換狀態到s_t+1；

步驟2.9，在τ_E中存儲s′_t和a′_t；

步驟2.10，令t＝t+1，返回步驟2.5，直至t＝N-1；

步驟2.11，令n＝n+1，直至n＝N_E；

步驟2.12，令循環數i＝0；

步驟2.13，當終止條件不滿足時執行步驟2.14，否則執行步驟2.18；

其中，所述終止條件為：生成器的累積獎勵收斂；

步驟2.14，從策略中得到樣本軌跡τ′_i；

步驟2.15，根據蒙特卡洛估計法估計判別器的梯度，并更新其參數ω_i到ω_i+1；

步驟2.16，利用強化學習算法TRPO根據獎勵函數更新生成器參數到

其中，s′表示狀態，a′表示執行動作，為判別分類器，它將輸入{s′,a′}映射到一個0到1之間的實數；

步驟2.17，令i＝i+1；

步驟2.18，獲得干擾策略參數φ。

3.根據權利要求1所述的生成方法，其特征在于，所述步驟3包括：

步驟3.1，從均值為方差為的高斯分布獨立抽取樣本Δφ；

步驟3.2，將干擾策略參數φ₀與抽樣數據Δφ進行累加，得到隨機干擾策略φ；

其中，φ＝φ₀+Δφ；

步驟3.3，計算原干擾策略參數φ₀與經過攝動的干擾策略參數φ之間的Wasserstein距離；

步驟3.4，將預設范圍內的隨機干擾策略參數作為攝動后的干擾策略的參數；獲得參數攝動后的干擾策略。