多波束干扰系统雷达干扰资源优化分配方法*

徐 源，王红卫，陈 游，白 玉

（1.空军工程大学航空航天工程学院，西安 710038；2.解放军94371部队，郑州 450018）

多波束干扰系统雷达干扰资源优化分配方法*

徐 源1，王红卫1，陈 游1，白 玉2

（1.空军工程大学航空航天工程学院，西安 710038；2.解放军94371部队，郑州 450018）

合理的干扰资源分配方法是干扰系统发挥效能的关键，传统的雷达干扰资源分配方法基于一对一或多对一原则，且分配时不考虑干扰样式。基于多波束干扰系统，考虑干扰样式的限制建立了干扰约束过滤模型，采用ISODATA算法实现了对目标雷达分群，将干扰样式纳入干扰资源进行了干扰参数设置。该分配方法，使得干扰决策更加合理，提升了系统的干扰效率和自适应能力。

雷达干扰，资源分配，干扰样式，任务整合，多波束

0 引言

雷达技术的发展和组网雷达技术的应用，对现有雷达干扰手段带来了巨大挑战。在众多应对措施中，基于相控阵体制的多波束干扰系统是雷达干扰技术的主流发展方向，合理的干扰资源分配方法是多波束干扰系统发挥效能的关键。

现有雷达干扰资源分配方法较多，文献［1-4］提出的模拟退火、机会约束规划、遗传算法等，都基于一对一和多对一原则提出，即一部雷达分配一部或多部干扰机，且都应用于单波束系统。在多波束干扰多目标的背景下，传统的一对一和多对一分配原则已难以满足现代雷达对抗的需要。针对单个干扰平台干扰多部雷达的一对多分配问题，文献［5］提出了通过对目标雷达群的一对一分配实现对单部雷达的一对多分配，并指出其实现的关键在于任务整合；文献［6］针对干扰资源的限制，基于聚类算法对干扰任务进行了整合，并建立了较为完整的干扰资源分配模型。但在干扰资源分配过程中，上述文献均未考虑到干扰样式，只确定了干扰平台和雷达对应关系并配置相应功率、时间、空域参数。干扰样式是很重要的雷达干扰资源，干扰平台拥有的干扰样式越多，与目标雷达的匹配程度越高，越有可能达到理想的干扰效果。

本文在上述文献基础上，以干扰波束为单元，对多波束干扰系统雷达干扰资源分配问题进行研究。提出了包含干扰样式约束的干扰任务过滤模型，运用ISODATA算法对目标雷达进行分群，使干扰任务整合具有自组织性；配置干扰参数时，设计了子任务威胁排序的方法实现了干扰样式的选取。最后结合实例进行了仿真分析，验证了该算法的有效性。

1 干扰资源分配流程

多波束干扰系统雷达干扰资源分配流程如图1所示。本机ESM系统首先对截获的雷达信号进行分选识别和威胁等级判定，将需要干扰的目标雷达提供给干扰系统。干扰系统再结合接收到的己方作战体系的干扰请求形成初始干扰任务队列。经过干扰约束过滤，干扰任务队列进一步划分为本机能够干扰和需要体系支援两类。当同时存在的干扰任务超过波束数目时，采用聚类算法对目标雷达分群，更新干扰任务队列。最后按照对单目标雷达进行一对一分配的方法，对新任务的干扰对象——雷达群进行一对一分配，设置相应干扰参数。整个分配过程采用合理的评估方法进行动态评估和实时调整。

图1 干扰资源分配流程

2 干扰资源分配模型及算法

图1所示的流程中，干扰约束过滤、雷达目标分群、干扰参数配置是最重要的3个步骤，本文予以重点研究。

2.1 干扰约束过滤

作战过程中，单平台上的干扰系统可能因干扰资源的限制或射频隐身需求，不能满足所有干扰任务请求。此时需要对干扰任务进行过滤，滤除本平台无法有效干扰的任务。约束过滤的原则为时间一致、空间一致、频段一致，且干扰样式有效。设干扰平台共有p种干扰样式，则干扰任务Rj的有效干扰评价因子Qj定义如下。

定义1有效干扰评价因子Qj。Qj可以表示为：

式中，ξj的值为：

Ψ表示干扰条件集合，即：

式中，Ψ表示干扰条件集合；⊗表示直积运算；Ω、f、t分别表示干扰的空域、频域和时域范围，各范围的确定方法参见文献［8］。

式中，ηij的值为：

显然，若Qj=0，则任务Rj应被送入拒绝队列，加入到需要己方体系支援的干扰队列。记初始任务队列为R=［R1，R2，…，RN］，则所有满足Qj=1的任务Rj构成既需要本机干扰且本机能够进行干扰的任务集R'=［R1，R2，…，RN'］（N'≤N）。

2.2 目标雷达分群

设干扰平台能形成M个干扰波束，记我方干扰资源为J=［J1，J2，…，JM］。干扰任务经约束过滤后，如果任务数目仍然大于波束数目，即N'＞M时，可以用目标雷达分群的方法对干扰任务进行整合。将同时对我方造成威胁，且空间位置、频段接近的雷达划分到一个群内，形成单波束能同时有效干扰的一个干扰任务，对这个任务分配一个干扰波束。从而实现了单个波束对多部雷达的干扰。

本文将目标雷达分群转化为聚类问题，采用ISODATA（Iterative Self-Organizing Data Analysis Techniques Algorithm）算法对该问题求解。ISODATA算法是一种软性分类的动态聚类算法［7-8］，其优点在于可以认识到大多数分类对象在初始认知或是初始分类时不太可能显示的最本质属性，以一种逐步进化的方式来逼近事物的本质，可以客观地反映认识事物的过程，是一种较为科学的聚类方式。具体实现如图2所示。

图2 ISODATA聚类算法流程

ISODATA算法应用于干扰任务整合的具体步骤如下［9］：

Step1：设置聚类分析的控制参数和阈值，包括：期望的聚类数C；类内最少样本数N0；类内样本的标准差（下限）S；类中心间的最小距离C；一次迭代中可以合并的聚类中心最多对数L；最大迭代次数I。

Step2:对样本中各个参数进行归一化处理。以雷达的频率f为例，进行归一化处理得

类似地，把其他参数同样作此归一化处理。

输入待分类的N个样本，每个样本有K个特征，任选若干个样本作为初始聚类中心，进行初始聚类。

Step3:修改聚类中心。按照式（7）、式（8）分别求各聚类域中的样本到聚类中心的平均距离以及所有类的总平均距离，再根据聚类控制要求，进行分裂或合并处理。

式中，C是聚类数目；vi是第i类的聚类中心；ki为第i个聚类域Si中的样本个数。

Step4：分裂操作。按照式（9）求各聚类域中样本分布的标准差向量。若标准差向量中的最大一维的值大于阈值，则进行分裂。

Step5：合并操作。按照式（10）求各聚类中心间的距离。若聚类域中的最少样本数或类中心的距离小于其相应的阈值，则进行合并。

Step6：重复步骤3到步骤5，直至达到迭代终止条件。

最终得到整合后的任务队列T=［T1，T2，…，TN''］（N''≤M）。T中每个任务Tj可能包含若干部雷达。

2.3 干扰参数选择决策

聚类完成后，若用干扰波束i对任务Tj实施干扰，则按照下述方式设置具体干扰参数。

2.3.1 频率和带宽

干扰波束i的中心频率fi确定为Tj中雷达信号频率的均值mjf，即：

对应的带宽为：

式中，fk表示雷达k的中心频率，Δfrk表示雷达k的接收机带宽，Δfimax表示干扰波束i能够实现的最大带宽。

2.3.2 干扰波束指向和波束宽度

方位角和俯仰角参数设置方法相同，这里以方位角φ为例进行研究。干扰波束i的指向φi确定为Tj中雷达方位角的均值，即：

对应的方位角宽度为：

式中，φk表示雷达k的方位角，Δφijmax表示干扰波束i能够实现的最大波束宽度。

2.3.3 干扰信号功率

干扰平台总的干扰功率有限，干扰功率应优先对威胁等级高的目标进行分配。干扰波束i的干扰功率为：

式中，wk表示雷达k的威胁等级，Pmax为干扰系统能够提供的最大功率。

2.3.4 干扰样式

在干扰系统中，每一种干扰样式都对应着相应的干扰通道资源，这就为干扰样式的聚类提供了依据。

由2.1节已知，对于任务Tj中的每部雷达，均有i（1≤i≤p）种有效的干扰样式，因此，对于包含n部雷达的任务Tj可以形成n个有效干扰样式集。按图3流程进行干扰样式的配置。先判断有效干扰样式集是否满足聚类条件，将满足条件的干扰样式集对应的雷达合并为一个子集，子集的威胁值取该子集中所有雷达威胁值之和。不满足聚类条件的雷达各自形成独立子集。对各子集进行威胁等级排序，形成子任务序列。按威胁值从大到小采用时分方式分配各自有效的干扰样式。

4 仿真及性能分析

为了对计算结果进行对比，本文采用与文献［6］相同的仿真参数。即以机载干扰系统为例，仿真参数具体设置为：机载干扰系统干扰频率范围8 GHz～12 GHz，方位角-30°～30°，俯仰角-30°～30°，干扰距离20 km～100 km。设空间需要干扰的雷达目标共10个。选择雷达的频率f、方位角φ、俯仰角θ、以及雷达距我方作战平台的距离R作为特征参数：选择f是为了确定干扰信号的中心频率和带宽；选择φ和θ是为了确定干扰波束的指向和宽度；选择R是为了确定干扰信号的功率。各雷达的威胁等级采用文献［10］方法计算，并作为先验信息。针对每部雷达有效地干扰样式由干扰样式库比对给出，亦作为先验信息，这里假定我方干扰平台共有4种干扰样式。

图3 波束内干扰样式配置流程图

具体参数设置如表1。表中，雷达类型a～e分别表示弹载末制导雷达、机载火控雷达、地面制导雷达、炮瞄雷达、机载预警雷达；雷达工作状态S、T、G分别表示搜索、跟踪与制导。干扰样式1～4已经预先装订入干扰系统。

表1 雷达参数设置

经干扰约束过滤后，既需要本机干扰且本机能够进行干扰的敌方雷达目标有8个，任务队列为R'=［1，2，3，6，7，8，9，10］。

假设我方干扰平台最多能形成4个波束，则雷达目标数目仍多于波束数。用聚类算法对上述8个目标进行分群。雷达群被整合为3个任务，构成任务集T=［T1，T2，T3］，每个任务中的雷达编号为:

采用文献［6］中算法对该问题求解，结果为：

可以看出，相比于文献［6］中的求解方法，本文给出的方法整合的结果减少了一个任务，即只需要3个波束对雷达群进行干扰。这是由于文献［6］采用的求解算法要求用户预先给出要生成的类别的数目，且该数目不能调整。而在实战中，要准确给出目标雷达群的类别数是不可能的。而本文采用的求解算法具有自组织性，可以根据样本值进行类别的分裂与合并，对先验知识要求少，聚类更加合理。分别用波束i（i=1，2，3）对干扰任务（j=1，2，3）实施干扰，设雷达接收机带宽 Δfr=5 MHz，干扰波束能实现的最大带宽Δfmax=200 MHz，波束宽度变化范围2°～8°，Pmax=400 W。根据2.3节步骤设置干扰参数如表2所示。

5 结束语

多波束干扰是雷达干扰技术发展的主流方向，合理的资源分配算法是多波束系统干扰效能发挥的关键。本文对多波束干扰系统雷达干扰资源分配问题进行了研究，提出了新的干扰资源分配方法。将干扰样式引入干扰资源管理体系，使得分配方法更符合作战实际要求。同时，具有自组织性的目标雷达分群算法对提升多目标干扰效率和干扰系统的自适应能力、优化干扰资源具有重要意义。

［1］刘以安，倪天权，张秀辉，等.模拟退火算法在雷达干扰资源优化分配中的应用［J］.系统工程与电子技术，2009，31（8）:1914-1917.

［2］何静波，彭复员，胡生亮.基于作战任务的雷达干扰决策模型［J］.现代雷达，2007，29（1）:20-22.

［3］陈根忠，刘湘伟，沈阳，等.机会约束规划在地对空雷达干扰资源优化分配中的应用［J］.空军工程大学学报（自然科学版），2010，11（6）:33-37.

［4］韩国玺，何俊，茆学权，等.基于改进遗传算法的雷达干扰资源优化分配［J］.火力与指挥控制，2013，38（3）:99-102.

［5］郭小一，袁卫卫，黄金才.雷达干扰资源一对多分配方法［J］.火力与指挥控制，2008，33（12）:22-25.

［6］宋海方，吴华，程嗣怡，等.多波束干扰系统干扰资源综合管理算法［J］.兵工学报，2013，34（3）:332-338.

［7］Bezdek J C.Physical Interpretation of Fuzzy ISODATA［J］. IEEE Trans，Systems Man，Cybern，1986，SME-6（2）: 32-37.

［8］张洪亮，杨承志.基于ISODATA聚类的复杂体制雷达信号分选［J］.电子信息对抗技术，2010，25（6）:34-38.

［9］杨淑莹.模式识别与智能计算［M］.北京:电子工业出版社，2008.

［10］赵玉，吴华，程嗣怡，等.先进战机射频集成系统干扰资源管控［J］.电光与控制，2013，20（6）：7-11.

Research on Method of Radar Jamming Resource Distribution in Multi-beam Jamming Systems

XU Yuan1，WANG Hong-wei1，CHEN You1，BAI Yu2
（1.School of Aeronautics and Astronautics Engineering，Air Force Engineering University，Xi’an 710038，China；
2.Unit 94371 of PLA，Zhengzhou 450018，China）

Based on the principle of one-jammer to one-radar or multi-jammer to one-radar，and ignoring the effects of the jamming code when distributing，the existing methods of radar jamming resource distribution is far more enough to meet the operational requirements.Considering the factors of jamming mode，a new method of radar jamming resource distribution，which based on multi-beam jamming systems，is proposed.A jamming task integration model，concluding the jamming-restraint condition and a target radars grouping method through the ISODATA algorithm，is established.Jamming code is treated as one of jamming resources when setting parameters.For the new method，the efficiency and intelligent level of jamming systems are enhanced.

radar jamming，resources distribution，jamming mode，task integration，multi-beam

TN972

A

1002-0640（2015）05-0074-05

2014-03-02

2014-05-21

陕西省自然科学基金资助项目（2012JQ8019）

徐 源（1991- ），男，四川通江人，硕士研究生。研究方向：电子对抗理论与技术。