对空情报雷达智能化抗有源干扰新技术

田　晓

(1.中国电子科技集团公司航空电子信息系统技术重点实验室，四川 成都 610036；2.中国西南电子技术研究所，四川 成都 610036)

0　引言

雷达干扰与反干扰的斗争日趋激烈和复杂,随着基于数字射频存储器(DRFM)的欺骗式干扰机在实战中的大规模应用，雷达有源干扰主要使用样式为相参欺骗干扰。DRFM干扰可以添加任意调制，干扰信号参数与雷达回波信号在多个参数域高度逼真，导致对空情报雷达无法提取真实的位置、角度和速度等信息，在对抗环境中处于非常被动的地位。对空情报雷达面临的电磁环境尤其复杂，全频域、高强度、多样式的电子干扰(ECM)(包括采用虚假信息制造异常空情)，明显降低了其探测有效性。所以研究新的、更有效的对空情报雷达抗干扰技术已经迫在眉睫。

对空情报雷达抗干扰技术随着干扰技术的发展而不断发展。从二十世纪六十年代的频率捷变、旁瓣对消、旁瓣匿影，发展到近年来的极化捷变、干扰自适应置零、波形设计、组网数据融合等抗干扰技术[1]。

随着近年来新型干扰技术的不断发展，高逼真转发式干扰、密集假目标干扰和分布式干扰的大量应用，有源干扰在雷达对抗的实战中占据上风，对对空情报雷达构成严重的威胁。无论在理论研究还是装备现状上，目前有效的雷达抗干扰方法和手段较少，且滞后于干扰技术发展。本文针对上述现状，研究了对空情报雷达智能抗干扰的新技术。其创新之处如下：

1) 在外加的干扰环境激励发生变化时，可以根据数据库、参数库和技术库中已有的知识动态自适应地学习生成新的知识，从而使得抗干扰知识库不断成长和完善，达到对抗未知新型干扰的目的。

2) 将智能化技术融入抗干扰的各个环节中，根据多级智能决策的结果进行学习推理，并形成反馈网络对输入模型进行修正，以达到抗干扰系统进化的目的。

1　对对空情报雷达的有源干扰技术

1.1　有源干扰类型

1.1.1压制干扰

1)噪声调频干扰

目前实战中应用最多的压制干扰样式为噪声调频干扰，利用带限的噪声调制恒幅信号，可以充分利用发射功率并满足频域覆盖。根据噪声调频干扰的信号带宽和频率特征，又细分成宽带阻塞干扰、瞄频干扰和扫频干扰。

(1)

式中，u(t′)表示干扰调制带限噪声，φ表示[0,2π]随机分布的相位，Uj表示干扰的幅值，ωj是干扰信号的中频，KFM为噪声调频系数。

2)噪声卷积干扰

针对超宽带雷达的噪声卷积干扰也是一种普适性的压制干扰样式，干扰信号形式为:

J(t)=s(t-ti)⊗Jn(t)

(2)

式中，s(t)为雷达发射信号，ti为欺骗干扰信号对应的时延，Jn(t)为带通白噪声。

1.1.2欺骗干扰

1)高逼真转发式干扰

欺骗干扰经过DRFM干扰机模数转换器(ADC)的采样后，存在幅度和相位的量化效应，下面给出目前干扰机应用最广的相位量化模型[2]：

s(t)

(3)

式中，s(t)为干扰机侦收雷达发射信号，arg(s(t))为s(t)的相位，N是数模转换器量化位数。

2)密集假目标干扰

有源密集假目标干扰是指干扰机将截获存储的雷达完整或部分波形于时域密集发射，使真目标淹没在密集假目标群中，其数学模型可表示为：

⊗δ(t-Δtki)

(4)

3)航迹欺骗干扰

组网雷达的发展使得常规的欺骗干扰效能降低，干扰方采用多部干扰机同时释放距离和角度的欺骗干扰，可以对多部组网雷达形成连续的航迹欺骗，使得组网雷达形成多条虚假航迹，造成雷达跟踪虚假信号，或者使得雷达处理能力饱和，其数学模型如下：

⊗δ(t-Δtkj(t))

(5)

1.2　有源干扰的影响

压制干扰主要使用功率较大的发射信号，影响对空情报雷达的探测范围，使得真实目标在时频域被干扰噪声完全覆盖，甚至使雷达不能检测到真实目标，在雷达的显示屏幕上产生大量的随机噪点。

欺骗干扰释放后，对空情报雷达脉冲压缩处理后会在某一方位上产生一个或多个虚假目标，从而使雷达产生大量不明空情信号，在雷达的终端上形成固定或者随机的假目标，使雷达情报网处理能力饱和，无法判断真实战场态势。用欺骗干扰扰乱和诱骗雷达，使之疲劳或者开启隐蔽的雷达，从而暴露雷达的技术水平、工作体制和布局。图1为有源干扰对对空情报雷达的效果示意图。

图1　有源干扰对对空情报雷达的作用效果

2　对空情报雷达现有抗干扰方法

从对空情报雷达装备技术的发展来看，大致可划分为4代，第1代的典型技术特征是电子管、非相参；第2代为半导体、全相参；第3代为全固态、相控阵；第4代为多功能、自适应、反隐身、目标识别。整体上看，第1代雷达采用磁控管发射机，旁瓣抑制一般小于20 dB，地杂波中目标可见度也仅有22 dB左右，抗干扰能力差；第2代雷达一般天线旁瓣抑制小于30 dB，可脉间、脉组伪随机和自适应捷变频，脉组捷变与动目标显示兼容，具有自适应旁瓣相消能力，可对付2个以上干扰源；第3代雷达的抗干扰功能相对齐全，具有自适应对付2个以上干扰源能力，通过配置诱饵使雷达具有较好的抗反辐射导弹能力。但总体来看，尽管对空情报雷达具有一定的旁瓣自卫距离和抗箔条干扰能力，但抗主瓣干扰能力还较弱。

对空情报雷达抗干扰的手段是尽量阻断或减少干扰信号进入雷达各分系统，减少到达雷达接收机的干扰信号，防止接收机饱和，减少在噪声环境中的干扰/信号比，鉴别真假目标和提供恒虚警率接收。目前对空情报雷达主要的抗有源干扰技术可归纳为如下几个方面。

2.1　空域抗干扰技术

对空情报雷达在空域内的抗干扰技术主要集中在雷达天线方面，主要包括：

1)超低旁瓣天线全面提高了雷达抗干扰的能力。因为一般对空情报雷达的主瓣宽度在几度范围，所以超低旁瓣大大降低了被侦察系统截获旁瓣的概率，同时也增加了旁瓣干扰的难度。

2)采用旁瓣对消和旁瓣消隐技术，通过增加对消/匿影天线，比对接收主通道和对消/匿影通道的功率，判断雷达是否遭受旁瓣干扰，能较好地抑制来自旁瓣的大功率支援干扰，但对主瓣干扰却无能为力。

3)通过相控阵天线波束形成技术控制天线波束捷变，改变波束指向和驻留时间，使得无源探测系统截获概率和截获时间降低，同时增加干扰的空间对准难度，降低干扰的有效性。

2.2　频域抗干扰技术

随着侦察和干扰技术的进步，宽频段工作的雷达侦察接收机和干扰机已经普及，单脉冲快速侦察和识别时间可在微秒量级，简单的频率保密已经不能满足雷达抗干扰需求。雷达在频域的抗干扰技术主要有宽带频率捷变、波形捷变、窄带滤波、频谱扩展技术等。

为躲避高功率密度的频率瞄准干扰，对空情报雷达常常采用频率捷变和波形捷变技术，通过脉间/脉组频率/波形捷变，降低干扰机的截获概率和频率对准的概率，增加干扰的难度。

在发射信号方面，雷达通过发射脉冲分集信号，利用干扰信号滞后真实目标回波的特性，从雷达发射信号角度建立了主动抗干扰的优势[3]。

频谱扩展可保证雷达在同样的平均功率下获得更高的峰值功率，提升雷达的作用距离和距离分辨率，同时减低无源探测系统的截获距离，增加了干扰的难度。

2.3　时域抗干扰技术

时域抗干扰的方法比较成熟，在对空情报雷达现有装备中都已普遍应用。常用的时域抗干扰技术主要有波门选通、脉冲重复周期(PRI)调制和脉冲前沿追踪技术等。

干扰信号和真实目标信号在距离单元位置的分布有差异，真实目标短时间内在同一个距离单元的位置固定，而干扰目标的位置是随机的，对空情报雷达在跟踪目标的过程中可利用距离波门选通对随机脉冲干扰进行抑制。

利用发射PRI调制(滑变、抖动、参差)脉冲串信号，可增加无源探测系统的分选和识别难度，并提高干扰机产生相参干扰信号的难度，雷达通过分析欺骗干扰和回波的相参性差异进行欺骗干扰抑制。

利用距离拖引干扰信号在时域上调制时延，并且时延随时间逐渐增大，雷达通过对脉冲叠加区域进行脉冲前沿跟踪，使用自适应滤波、自适应偏置权等方法进行抗欺骗干扰处理[4]。

2.4　组网部署抗干扰技术

对空情报雷达组网技术可在空域、频域和时域同时实现抗干扰。在防空预警时，可将位于同一区域的不同频段、不同体制的雷达组网，重点搜索空域相互覆盖，其它空域单独覆盖，多波段互补，多部对空情报雷达通过数据链相互传输重点区域情报，使其能进行数据融合和虚假点迹/航迹剔除。

3　对空情报雷达现有抗干扰方法局限性

近年来随着基于DRFM高逼真欺骗干扰的广泛应用，对空情报雷达在和干扰的对抗中经常处于劣势。对于旁瓣干扰和噪声干扰，还可以通过频率捷变、旁瓣匿影和旁瓣对消等技术进行抑制，而针对大功率主瓣瞄频压制干扰、高逼真欺骗干扰、密集假目标等主瓣干扰，常规的抗干扰手段在应对时往往束手无策。下面从三个层面分析对空情报雷达常规抗干扰手段的局限性。

3.1　缺乏干扰环境感知能力

对空情报雷达要想在抗电子干扰中获取胜利，需要对有源干扰的环境进行感知，根据感知的结果采取有针对性的抗干扰措施。目前对空情报雷达缺乏侦测有源干扰的技术和手段，即使有侦察通道，也只是简单地侦察频率参数，无法识别自身遭受的干扰类型和估计干扰的详细参数，从而不能为抗干扰措施的选取提供先验信息，由此导致其有限的抗干扰措施无法发挥有效作用。

《信息记录材料》1978年创刊，是经国家新闻广电出版总局批准，由全国磁性记录材料信息站主管、主办，北京中加大成国际广告有限公司、北京巨库传媒科技有限公司协办的学术类科技期刊，刊号：ISSN1009-5624，CN13-1295/TQ。本刊主要栏目有：“综述·论著”、“信息·技术”、“记录·传媒”、“材料·工程”、“发现·综合”等。本刊由维普网、万方数据库、知网数据库、中国学术期刊综合评价数据库、中国学术期刊（光盘）、电子科技文献数据库全文收录，国内外公开发行。

3.2　缺少抗干扰决策系统

目前对空情报雷达的抗有源干扰的措施多种多样，针对复杂多变的干扰环境，大部分情况下是通过雷达操作员的经验选取抗干扰手段。实战中靠人工选取抗干扰措施有很大缺陷，首先，从反应时间来看，在对抗中就会处于被动；其次，有源干扰综合化，选用抗干扰措施也应采取综合措施，即根据干扰情况选择相应的抗干扰策略，这些单靠人的经验满足不了要求；最后，随着信息技术的发展，自动化程度的提高，将来雷达就是众多探测节点的传感器，需要无人值守，仅靠人工经验抗干扰不能满足发展的需要。对空情报雷达的所有抗干扰措施在实战中如何准确地应用，何时采用变天线转速，何时采用旁瓣对消等抗有源干扰措施，如果没有一套详尽的抗干扰决策系统，将影响其实战中抗有源干扰效果。

3.3　不能有效地抑制新型干扰

对空情报雷达面对的有源干扰不再是简单的压制式、欺骗式干扰，实际应用中出现了多种新型干扰方式，比如灵巧噪声干扰、分段随机转发干扰、间歇采样转发干扰，以及复合性的干扰，雷达干扰呈现综合化、智能化趋势，现有的对空情报雷达在研制时主要是针对常规的干扰样式进行抗干扰研究，对新出现的新型干扰还不能进行有效的抑制。

3.4　缺乏抗干扰性能的定量评估

对空情报雷达的抗干扰方法虽然对某些干扰有一定的抑制能力，但对其的评估只能是定性的，还缺乏一套完备的抗干扰评估指标体系，还不能定量地考核对空情报雷达的抗干扰性能，也不能确定对空情报雷达的抗干扰性能是否已达到指标，进而形成反馈回路优化抗干扰措施的选取。

4　对空情报雷达智能化抗干扰架构

目前的抗干扰手段很多是基于雷达操作员的经验，不能自适应选择抗干扰手段，更不能通过抗干扰效能评估实时调整抗干扰策略，未来复杂战场环境必须通过智能化抗干扰技术手段才能满足实战需求[5-6]，处在复杂电磁环境中的雷达应该具备如下几个特性：

1)主动学习功能：智能抗干扰系统可以根据外部干扰环境的变化，主动感知干扰态势，自动更新干扰感知的知识库，根据干扰评估结果，学习干扰抑制措施库的适应性和有效性，并通过反馈回路不断优化抗干扰流程。

2)智能决策功能：将现有抗干扰技术和决策方法集成到智能抗干扰系统中，通过推理机和专家系统提升智能决策的准确性，并不断完善智能决策的数据库。

3)知识推理特性：对于抗干扰数据库中未知干扰环境，能根据现有的知识表示，通过贝叶斯自学习的知识推理，更新抗干扰系统的知识库。

4)进化功能：在与电磁干扰环境相互作用的进程中，雷达抗干扰系统在自主学习的基础上，抗干扰措施能够自主演进，随着干扰环境的变化持续不断地积累自身的知识库和措施库，使得对空情报雷达的抗干扰智能化程度不断提升。

雷达干扰环境自学习感知系统、抗干扰措施智能决策和基于知识推理的抗干扰措施是构成雷达智能化抗干扰架构的三大要素，雷达智能化抗干扰架构如图2所示。

图2　对空情报雷达智能化抗干扰架构

模型库：主要存放干扰数学模型、测量误差模型和干扰模型的可信度分析模型。

特征参数库：主要存放干扰特征提取形成的特征参数。

知识库：用来描述已知干扰的知识和专家经验，包括干扰属性参数、干扰规则等，是智能决策系统工作的基础。

人机接口：反映了智能化抗干扰操控和决策的过程，可以对干扰环境感知的数据库、知识库进行管理和优化，也可以对智能化抗干扰的措施库和推理机进行人在回路处理，实现了自适应决策和人为控制的有机结合。

决策数据库：通过描述决策流程和决策时序产生决策数据库，并存储决策的整个过程，用于后续的分析和查找。

5　对空情报雷达智能抗干扰新技术

5.1　基于层次化的干扰感知技术

基于层次化分析技术的干扰综合感知的思想是将较为复杂的感知过程分层处理，层次化的干扰感知流程如图3所示。有源干扰的基本特征包括信号的包络特征、时域特征、频域特征、空域特征参数。有源干扰的细微特征主要通过现代谱分析、高阶统计分析、时频分析等方法提取信号的特征参数或脉内、脉间的时变特征参数。而干扰机在对雷达发射信号二次调制过程中，需要进行采样量化，变频、滤波和放大，会产生非线性失真和杂散信号，即使高逼真的干扰信号在形成的过程中依然存在和雷达信号不同的个体指纹特征。

图3　对空情报有源干扰的层次化特征提取流程

基本特征是对有源干扰进行总体上的描述，可以实现差异较大的干扰的识别。细微特征主要反映信号的脉内和脉间的动态特征差异，采用精细化的信号处理算法，通过提取目标回波和欺骗式干扰之间的细微特征参数，实现对干扰类型的识别和干扰参数的估计，甚至可实现雷达和干扰机的个体识别。随着干扰机逼真度的提高，常规的特征提取方法不能满足对干扰感知的需求，需要通过核方法和原子分解方法在低信噪比/干噪比条件下提高干扰感知的准确性。

5.1.1基于核方法的干扰感知技术

对有源干扰感知可视为一个多维函数的特征映射问题，利用高阶空间核函数将一个高维非线性空间变换到一个线性空间。即通过一个非线性核函数Φ(x)、Φ(y)将输入干扰向量x、y变换到一个高维线性空间F上，从而降低特征提取的难度，并通过核函数提取了干扰的非线性特征[7]。

K(x,y)=Φ(x)·Φ(y)

(6)

经典的核函数主要有线性核、RBF核(高斯核)、多项式核和sigmoid核，通过核最小均方误差方法(KMSE)、核主分量分析(KPCA)、核 Fisher鉴别分析(KFDA) 以及最小二乘支持向量机(LS-SVM) 进行特征提取。

5.1.2基于函数字典中原子分解的干扰感知技术

对有源干扰感知也可视为一个高度非线性逼近问题，通过在函数字典中选择最优分解原子进行信号的逼近。函数字典是冗余的，甚至是高度冗余的，将雷达接收信号按照函数字典进行展开，或者通过贪婪算法进行最优原子匹配，利用雷达接收信号在特定原子库中的稀疏特性进行稀疏特性分解。基展开并通过遍历算法实现信号的高精度逼近；采用贪婪算法的匹配追踪原子分解方法提升了运算速度[8]。

假设雷达接收信号为x(n)，D={hγ(n)}是用于构建信号的原子库，则有：

(7)

式中，bp为分解系数，r(n)为残差。

基于原子分解的特征提取算法，可以实现信号的高度非线性逼近，从而得到干扰信号与回波信号的指纹特征，并通过分解的原子信号差异提取干扰的调制参数，学习干扰的作战意图。

5.2　智能化干扰抑制技术

5.2.1基于动态环境盲分离的干扰抑制技术

雷达抗干扰技术中的盲分离技术必须适应信号个数变化、超定/欠定/单通道和信号相关等恶劣情况，能迅速且稳定地跟踪电磁环境的变化，最终通过目标特征参数提取目标回波，达到抑制干扰的目的[9]，其流程如图 4所示。首先接收信号经过预处理变成多路正定的信号；然后在现有的AIC、MDL、BIC和盖尔圆等估计准则基础上研究新的动态定阶估计算法，快速且稳定地实现对接收信号的快速定阶；接着通过盲分离技术完成对回波和干扰的分离；最后，根据目标与干扰的特征差异(例如相位量化位数差异)对目标回波和干扰进行鉴别，实现对目标回波的提取。

图4　基于动态环境盲分离的干扰抑制算法流程

5.2.2基于波形设计和自适应波形优化的干扰抑制技术

为了改变雷达在对抗中的被动局面，雷达实战中通常使用宽带/超宽带、脉内/脉间捷变、复杂调制等低被截获概率信号[10]，使其难以被干扰/侦察接收机侦察和识别，从而保护雷达不受电子干扰。可以从如下几个方面进行抗干扰波形设计：

1)阶段相位扰动的LFM信号设计；

2)伪随机相位编码信号设计；

3)脉内NLFM、脉间BPSK信号设计；

4)随机初相和调频斜率抖动结合的复杂调制信号设计；

5)正交编码分集和随机初相结合的复杂调制信号设计。

将认知雷达的概念引入到抗干扰领域，根据有源干扰和目标的具体情况进行发射波形优化,可使雷达自适应地对当前电磁环境作出反应，并具有最优的抗干扰能力。对空情报雷达在对干扰信号进行综合感知，识别出干扰类型后，结合抗干扰智能决策手段，自动匹配相应的发射波形和模式进行抗干扰处理。自适应波形优化流程如图5所示，新的波形及其优化选择可以降低识别算法和抑制算法的复杂度，从而在干扰与抗干扰中取得主动权。

图5　自适应波形优化流程

5.2.3基于空域-极化域联合的干扰抑制技术

当目标回波和欺骗干扰同时进入对空情报雷达后，在雷达接收机呈现一个高度相关的时频混叠信号，致使检测无法分辨真假目标。借助多域滤波的方法，同时估计出接收信号的方位信息和极化参数，再根据已知雷达极化特征和信号子空间方法得到极化域和空域联合的滤波算子抑制干扰，以提高干扰条件下雷达的检测概率，算法原理如图6所示。

图6　算法原理框图

上述几种干扰抑制技术的对比如表1所示。

表1　干扰抑制技术对比

5.3　基于贝叶斯网络的抗干扰体系评估方法

对空情报雷达抗干扰评估方面存在的主要问题是相关指标定性描述的多，定量描述的少，指标体系不完整。针对上述问题，采取的主要措施是规范装备的抗干扰指标体系。对空情报雷达的抗干扰指标可从空域、频域、时域、功率域、调制域、极化域六个方面进行描述，其中空域方面的指标包括旁瓣电平、旁瓣对消、旁瓣匿影、干扰源定位精度、扇区静默能力；频域方面的指标包括频率捷变、频率分集、频谱扩展；时域方面的指标包括重频捷变；功率域方面的指标包括恒虚警处理、自动增益控制、大信号限幅、目标幅度起伏特性识别；调制域方面的指标包括信号调制方式；极化域方面的指标包括极化捷变能力、极化识别等。

目前的抗干扰评估方法，基本上是首先建立指标体系，然后通过层次分析法或者专家打分法进行评估。该评估方法的主观性过强，且不能随干扰环境变化和抗干扰措施调整进行动态评估。因此实战中急需一种智能化的抗干扰评估方法，根据电磁环境态势对抗干扰效果进行动态评估推理。

借鉴人工智能中的贝叶斯网络进行抗干扰评估，通过概率理论和多层次网络关系分析抗干扰效能和影响要素的关联关系[11]。根据先验信息的概率分布，贝叶斯网络通过定性和定量的方式表征评估系统的不确定性，因此可以将抗干扰评估网络建模为指定的多层次因果网络结构，根据不确定或不完备的雷达抗干扰指标综合评估抗干扰效能。而且贝叶斯评估网络具有数据挖掘的能力，通过多层次网络结构分析多层次评估指标的关联关系，自动配置模型结构，提升评估结果的环境适应性和准确性。

基于贝叶斯网络的抗干扰态势评估的过程如图7所示。

图7　基于贝叶斯网络的抗干扰态势评估过程

贝叶斯网络可以反映抗干扰评估过程的不确定性，并且评估网络可以体现抗干扰影响要素的内在关联关系，具有以下优点：

1)可动态定量化地描述抗干扰评估的过程和影响要素，并可以对不完备的指标集进行评估；

2)使用图形化的评估方法，可以方便地进行评估网络的重新配置，利用概率关系反映依赖关系的强弱，可以更直观地反映参数对评估结果的影响程度；

3)贝叶斯网络具备智能推理的能力，可以通过当前抗干扰态势和知识库中先验知识，推理出未来的抗干扰效能结果，并不断完善不同干扰环境中的抗干扰措施库，使得抗干扰技术具备进化能力。

6　结束语

针对对空情报雷达现有抗干扰措施的不足，将智能化技术融入到抗干扰的各个环节中，从电磁干扰环境主动学习、抗干扰措施的知识推理、抗干扰系统的组织协同进化的角度，研究了智能化抗干扰的新技术。后续随着雷达对抗技术的不断发展，需要不断完善干扰环境感知的知识库和干扰抑制措施库，并通过自适应进化手段提升抗干扰方法的环境适应能力，为雷达对干扰环境的认知和抗干扰决策提供技术支撑。■