電子戰中的雷達干擾效果評估技術

劉德龍 凡浩

（中國船舶重工集團公司第七二三研究所 江蘇省揚州市 225001）

雷達對抗是電子戰中最常規、最關鍵的技術手段，能在現代戰爭中起到決定性作用。在雷達對抗中，最關鍵的技術之一就是干擾效果評估，它能夠準確、全面、客觀地評價某次雷達干擾實施的效果和電子戰裝備的作戰效能，為戰術決策提供支撐。但是雷達對抗是雷達方和干擾方動態博弈過程，夾雜著許多不定因素，所以對雷達干擾效果的評估是一個相當復雜困難的過程，因此如何改善和提升雷達干擾效果評估技術是當前急需深入研究的課題。

1 干擾效果評估的基本概念

雷達對抗是指我方根據作戰使命使用電子戰裝備對敵方雷達設備實施干擾，從而促使受干擾的雷達不能正常工作，使其部分功能喪失，影響其運行的穩定性，甚至將其摧毀。通常可以把對敵方雷達被干擾后的損傷或破壞效應進行科學定性或定量的過程稱作雷達干擾效果評估。

基于雷達方的干擾效果評估屬于事后評估，常用于雷達對抗試驗。在對抗過程中，全程記錄雷達屏顯，電子戰數據，戰場雙方態勢及各平臺空間運動信息，然后由專業人員綜合對比分析所有數據，以此對干擾效果給出綜合評價。在實際作戰中，我干擾實施方很難直接從敵被干擾雷達處獲取評估干擾效果所需要的數據，也不可能直接觀測到干擾效果，因此這種基于雷達方的干擾效果評估方法并不可用。根據認知電子戰理論，基于干擾方的雷達干擾效果評估主要是根據干擾實施前后我方電子戰系統偵收到的被干擾雷達的輻射源信息變化情況，并結合先驗知識來對干擾策略給出可能的干擾效果。如圖1 所示。

2 雷達干擾效果評估準則

判定某次對雷達的干擾是否有效時，必須要以科學的評估準則作為依據，并且每條評估準則都應有相應的評估指標。在評估干擾效果時，根據評估準則制定合理、準確的評估指標是最為關鍵的環節，這就要求我們對干擾目標、干擾類型、干擾時機及外部環境等相關因素進行全面分析。通常情況下，需要同時運用多項評估指標來反饋干擾效果，這就要求根據不同的評估準則構建完善的、系統化的評估指標集。

2.1 信息準則

從信息論的角度出發，可將雷達的工作過程近似于一個信息傳輸的過程，在雷達的回波信號中包含了豐富的目標信息，雷達接收機通過提取目標回波中的相關信息來獲得各種雷達方感興趣的目標參數。回波信號中包含的目標信息量是雷達能否有效檢測目標的關鍵因素，一般用熵來衡量信息量的大小，因此熵決定了雷達探測能力的強弱。信息準則所采用的評估指標就是對干擾信號計算出的熵值，其大小和不確定性成正比。

干擾信號的熵值H(J)如下式：

其中Pk為干擾信號概率密度分布函數，干擾信號J 的全概率矩陣為：

式中J1…Jn為隨機變量的值，P1…Pn為對應隨機變量出現的概率。

如若隨機變量為連續分布，則有熵H(X)如下式：

圖1：基于干擾方的雷達干擾效果評估流程圖

圖2

對于信息準則，其優勢主要是理論清晰和運算簡單，而劣勢則是其只能結合干擾信號的品質來判定雷達干擾效果，且在實際運用中干擾信號概率密度分布函數很難得到。

2.2 功率準則

功率準則既能量準則，基于和概率相關的雷達參數的分析，其所采用的評估指標主要包括最小干擾距離、干擾壓制區域、壓制系數以及輸入端信干比等，但在實際應用中常用雷達接收機干擾信號比作為參數進行分析，因此功率準則也稱作干信比準則。與欺騙干擾相比，干擾信號功率對壓制干擾的干擾效果影響更大，因此功率準則一般只用于對壓制干擾效果的評估。在具體的應用過程中通常會以壓制系數KA進行表示：

在實際的干擾效果評估工作中，功率準則應用得非常廣泛，它能夠直觀地反饋出壓制干擾的實際效果，但對于欺騙干擾則失去了評估能力。

2.3 概率準則

概率準則也叫效率準則或戰術運用準則，相比于上述兩種評估準則，它能夠全面考慮到干擾因素，有著更廣泛的適用范圍。概率準則具體可分為兩種情況：其一從雷達本身角度考慮，在干擾環境下，雷達完成自身特定任務的能力，如遠程警戒搜索雷達對目標的發現概率，末制導雷達的搜索跟蹤制導能力，通過計算分析可得出對這些雷達能力在干擾前后的變化情況，從而反映出相應干擾實施的效果；其二從作戰系統角度出發，在干擾環境下，雷達所在的作戰系統完成戰略任務的能力，例如包含了搜索雷達和火控雷達的火控系統，可以用其在干擾條件下的殺傷概率和打擊精度等參數描述干擾效果。

概率準則是一種基于統計法的準則，其運用往往基于大量的統計信息，為了達到期望的評估精度和準確性，需要針對特定雷達在戰前進行大量重復的干擾試驗，可以說對其運用范圍在一定程度上有所影響。

2.4 時間準則

一套完整的雷達系統運行工作時由多個環節組成，每個環節都會有一定的反應時間，例如末制導雷達搜索過程中發現目標的時間，發現目標后搜索轉跟蹤的時間等，通過計算分析雷達系統各環節的反應時間可以反映出其性能的優劣。當目標雷達遭受干擾后，各個環節的工作性能都會有所下降，導致反應時間將有所延遲，因此時間準則就是通過觀察雷達工作時各環節的延遲時間來度量干擾效果的。

3 基于神經網絡的干擾效果評估方法

3.1 基于BP神經網絡的干擾效果評估方法

3.1.1 網絡層數

基于BP 神經網絡的干擾效果評估采用3 層BP 網絡。輸入層由干擾評估指標元素X=(x1,x2,…,xn)T組成，輸出層由評估結果Z=(z1,z2,…,zm)T組成，隱含層為Y=(y1,y2,…,yl)T，輸入層到隱含層的權向量為V=(v1,v2,…,vi)T，隱含層到輸出層的權向量為W=(w1,w2,…, wj)T。

3.1.2 各層神經元個數

輸入層神經元個數n 由干擾評估指標集中的元素個數決定，輸出層神經元個數m 由評估結果個數決定，例如評估結果為很好、好、一般、差、無效，則m 為5， 隱含層神經元個數l 可由經驗公式決定，其中α 為調節常數，取0～10 之間的常數。

3.1.3 激活函數

3.1.4 BP 神經網絡學習算法

（1）正向傳播：訓練樣本作為輸入傳入BP 網絡，經過隱含層處理的結果為將次作為輸出層的輸入，得到最終的輸出結果為

（2）反向傳播：若輸出層的實際輸出與期望輸出不符，將誤差反向傳播，采用梯度下降法來調整權值，使誤差在容許范圍內。

（3）反復正向傳播和反向傳播，直至完成整個訓練樣本的學習。

3.2 基于RBF神經網絡的干擾效果評估方法

RBF 神經網絡與BP 神經網絡在結構上基本相同，同為3 層網絡結構，使用徑向基函數 作為RBF 神經網絡的激活函數，cl為第l個隱節點的數據中心，||X-cl||為輸入樣本到數據中心的歐式距離。在相同的樣本和精度要求下RBF 要比BP 的結構更加簡潔，且收斂速度更快。

4 基于SVM的干擾效果評估方法

SVM 理論是建立在結構風險最小化原則和VC 維理論之上，是針對小樣本或有限樣本統計估計與預測學習的最佳理論，它能較好的解決雷達干擾效果評估中樣本非線性和高維數等實際問題。SVM 結構圖如圖3 所示。

SVM 本身是解決2 分類問題的，干擾效果評估問題實質上可歸納為一種多分類問題。設經m 次雷達干擾試驗獲得的干擾效果樣本集為(Xi|yi)，i=1,2,...,m，其中k ≥3，i=1,2,...,m，為干擾評估指標集中各元素的值，yi為類標，既每次干擾的評估結果。

目標任務：根據SVM 多分類算法，將干擾效果樣本集分為訓練樣本集和測試樣本集，使用訓練集對SVM 多分類器進行訓練，尋找判別函數使得測試集上的樣本可被該分類器正確分到k 種評估結果中的一種。

輸入數據：訓練樣本，測試樣本。

輸出數據：測試樣本分類結果y，y=(1,2,...,k)，k ≥3。

訓練過程：根據選定的SVM 模型和多分類算法構建SVM 多分類器，使用訓練集對SVM 多分類器進行訓練，得到判決函數f(x)。

測試過程：使用判決函數f(x)，將測試集上的樣本分別進行測試，得到其所屬類別。

使用過程：在實際作戰中，使用干擾前后的雷達輻射源信息作為SVM 多分類器的輸入，得到的輸出即為干擾效果評估結果。

5 結論

本文對電子對抗中雷達干擾評效果評估技術的基本概念和相關評估準則進行了簡單介紹，重點對基于干擾方的雷達干擾效果評估技術進行了詳細介紹。可以看出，真正適合在實戰之中運用的干擾效果評估技術應當是基于干擾方的，它是當下電子對抗領域的研究熱點，但由于目前與之相關的公開文獻資料甚少，它的研究難度也頗大，因此希望我們可以在現有基礎上進行更加深入的研究與思考，為我國電子對抗技術的發展做出貢獻。