基于概率推理的舷外有源诱饵干扰评估方法研究

吴兆东, 胡生亮, 罗亚松, 刘 忠, 夏家伟

(海军工程大学兵器工程学院, 湖北 武汉 430033)

evaluation

0 引 言

舷外有源诱饵是应对采用单脉冲雷达导引头的反舰导弹(anti-ship missile, ASM)有效干扰的手段之一,广泛列装于各国海军部队,以“Nulka”悬停式诱饵、“Siren”伞降式诱饵以及“AN/SSQ-95”漂浮式诱饵为典型代表[1]。

舷外有源诱饵可对末制导雷达产生角度欺骗的干扰效果[2-4]。在雷达搜索阶段,有效的角度欺骗使雷达锁定由诱饵产生的假目标;在跟踪阶段,有效的角度欺骗使雷达持续产生定位偏差,从而使舰船脱离跟踪波束。随着雷达目标识别技术的快速发展[5-6],以假目标为主的角度欺骗干扰效果逐渐减弱,同时导弹仍会有足够距离重新锁定舰船。但在跟踪阶段,舷外有源诱饵干扰信号与目标回波无法区分,并且舰船脱离跟踪波束后,导弹也会大概率因过载有限而脱靶。对此,本文主要围绕诱饵对导弹跟踪阶段的干扰效果展开研究。

在诱饵使用方面,Lakshimi等[7]通过分析得到诱饵实现有效干扰,要求干信比(jamming to signal ratio, JSR)在5 dB以上,指出诱饵需布放在左/右舷70°至110°之间。Luo等[8]在功率基础上考虑了信号转发延迟,提出了诱饵可行布放区域的概念。Rim等[9-11]以空射诱饵为研究对象,采用动态仿真方法,给出机载平台应在导弹距离2 km时发射诱饵的策略。上述研究得出,“三角态势”[12]是有源诱饵的基本干扰态势,在多种场景下得以阐述。上述研究主要结合干扰机理并基于功率准则来评估舷外有源诱饵干扰的有效性,但是前提是敌方ASM雷达导引头的参数是已知的。

另一类针对干扰有效性的评估方法是基于先验知识与后验知识。其中,基于先验知识的评估方法通过构建干扰指标体系,描述雷达受干扰前后的指标变化并对其进行打分,例如经典的层次分析法[13-14]、粗糙集[15-16]法、逼近理想解排序法[17-18]等,而其中的打分环节涉及较多人为主观因素。另一种基于后验知识的学习方法,主要通过机器学习、深度学习等方法构建模型,对干扰数据集进行参数训练[19-23],而对于舷外有源诱饵而言,干扰的实战性较强,数据集获取与构建是该类方法获得应用的瓶颈。

综合上述分析可知,舷外有源诱饵干扰有效性评估研究的主要难点有:① 诱饵干扰是系统性工作,涉及反舰导弹、诱饵和舰船等多类要素,过程动态化且描述困难;② 诱饵干扰是非合作式对抗,参数描述与有效性评估本身缺乏先验知识;③ 诱饵干扰实战性较强,可靠完备的后验数据集获取与构建难度较大。对此,本文从干扰机理出发,将临界条件作为诱饵干扰的动态对抗过程的评估判据,利用概率描述信号层面和态势层面的非合作参数,通过构建诱饵干扰评估的概率推理模型,基于推理方法,得到干扰有效性临界条件的概率分布情况,结合案例进行数值分析,给出了非合作参数经过概率推理后的评估对策略的支持作用,并将其扩展应用于机动式以及多诱饵干扰场景。

1 舷外诱饵干扰有效性判据

干扰有效性针对整个末制导过程,本节在角度欺骗干扰的静态分析基础上,推导干扰策略有效临界判据,分析导引头参数对其的影响。

1.1 角度欺骗干扰静态分析

舷外有源诱饵主要是利用数字射频存储(digital ratio frequency memory, DRFM)技术转发导引头雷达脉冲测角信号,并基于自身态势,使转发信号与舰船回波信号位于同一跟踪波门,其干扰场景如图1所示。

图1 舷外有源诱饵干扰场景示意图Fig.1 Schematic diagram of outboard active decoy jamming scenario

单脉冲雷达导引头的角度响应表达式如下所示:

(1)

式中:θr为导引头指示角;θ1表示舰船所在方位角度值;θ2表示诱饵所在方位角度值;E[x]为加权期望均值[24];a2表示功率JSR。式(1)中其他参数含义如表1所示。

ASM雷达导引头天线方向波束较窄,因此需要考虑诱饵所在方位增益Gt(θ2)与舰船所在方位增益Gt(θ1)差异。而舷外有源诱饵的干扰波束Gj通常较宽,在ASM来袭过程中,可以认为是常数。由于有效干扰的前提是干扰信号与舰船回波信号在同一跟踪波门中,这就要求ASM到诱饵的距离与到舰船的距离近似相等,因此用R统一表示ASM的距离特征。

1.2 有效干扰动态临界判据

由式(1)可知,JSR随着ASM的距离接近呈平方衰减,指示角会向舰船所在方位倾斜。若诱饵与舰船长时间位于导引头跟踪波束宽度内,则干扰效果会逐渐减弱。因此,舷外有源诱饵在角度上诱偏ASM的关键在于将跟踪波束逐渐远离舰船而靠近诱饵一侧,表现为Gt对诱饵和舰船方位的增益变化。舰船与诱饵可以等分跟踪波束的临界情形如图2所示。此后若ASM继续接近,则波束将会向舰船倾斜。

图2 诱饵干扰的临界情形Fig.2 Critical situation of decoy jamming

由图2可知,有如下关系成立:

(2)

将其代入式(1)可得

(3)

式中:θ0.5表示雷达导引头跟踪波束宽度;Re表示临界情形下ASM的距离,称为临界距离;Ye表示诱饵能够平分波束时到舰船的横向距离,称为布放距离。从临界情形可以得知,有效干扰前提是当R>Re时,诱饵的布放距离Ye

表2 干扰有效性矩阵

当Y>Rθ0.5时,在初始干扰时刻,诱饵位于波束宽度以外,无法对ASM导引头产生干扰;当YRe两者同时满足时,诱饵才能起到干扰作用。

1.3 非合作参数分析

干扰临界条件是由舷外有源诱饵、ASM和舰船三者的各个参数共同决定的,其中干扰方可控参数可以作为已知量,其不可控的参数为非合作未知量。

以波束宽度和雷达发射功率为例,假设诱饵参数PjGj=1 000 W、舰船的雷达散射截面(radar cross section, RCS)σ=10 000 m2,干扰损失κ=1,取θ0.5=5°,跟踪波束采用高斯波束进行拟合[25-26]。Re和Ye随ASM导引头雷达发射功率Pt的变化如图3(a)所示,取Pt=10 kW,Re和Ye随波束宽度变化如图3(b)所示。根据图3(a),在其他参数已知的同等条件下,当雷达的辐射功率增加时,诱饵需要在ASM位于更远的距离时实现干扰,才能够获得相当的JSR,同时也需要远的布放距离才能诱偏ASM。从图3(b)可以看出,当ASM的发射功率一定时,波束宽度增加,诱饵布放距离几乎不变,但ASM临界距离会随着θ0.5增大而减小。这是由于θ0.5增大会使舰船方向的天线增益降低,在ASM临界距离较近时也可获得相当的JSR。θ0.5增大后要求诱饵布放距离增大,才能在足够临界距离时达到临界要求,但是诱饵布放距离又必须满足Ye

图3 诱饵干扰参数对临界条件的影响Fig.3 Effect of jamming parameters on the decoy jamming critical conditions

上述分析通过控制变量的方式,对舰船RCS、干扰损失等取值进行了约束,研究了波束宽度和发射概率的影响。对于干扰方而言,除了波束宽度与雷达发射功率是非合作参数以外,舰船RCS、干扰损失等也是不可控的,因此均属于非合作的影响要素。

2 基于概率推理的参数分析

若有源诱饵干扰的各类参数已知,可以对有效干扰临界条件进行相对准确的判断。在实战中,无论是通过情报获取还是电子侦察,部分参数都存在一定偏差甚至无从得知。利用概率对其描述,可对此类未知参数的影响进行推理。

2.1 概率推理的基本原理

在舷外有源诱饵干扰判据中,诱饵、舰船和ASM参数相互独立,其中的计算变换主要涉及到参数之间的乘除和部分非线性变换。

2.1.1 正向推理

正向推理是基于先验概率,根据变量之间的运算关系得到其他变量的概率分布。根据随机变量类型,正向推理可分为离散型和连续型随机变量推理。

若A和B均为离散型随机变量且相互独立,则C=AB为离散型随机变量,D=A/B为离散型随机变量。假设A的取值范围是{a1,a2,…,am},B的取值范围是{b1,b2,…,bn},C的值域为{c1,c2,…,cs},D的值域为{d1,d2,…,dp},则C和D的概率分布如下:

(4)

若A为连续型随机变量,B为离散型随机变量,两者相互独立,且A和B仅在取值大于0时的概率不为0,C=AB、D=A/B和E=B/A均为连续型随机变量,其概率分布函数为

(5)

进一步得到C、D和E的概率密度函数为

(6)

若A和B为相互独立的连续型随机变量,且满足仅在取值大于0时的概率不为0,C=AB、D=A/B均为连续型随机变量,其概率密度函数的表达式为

(7)

2.1.2 反向推理

反向推理是在已知事件发生的情况下,由结论反向得到其他变量的条件概率分布情况,是一种后验概率分析[27]。

若A和B均为离散型随机变量且相互独立,通过推理可得到C=AB的概率分布。在已知C事件发生的情况下,可以反向得到A的条件概率分布:

(8)

若A为连续型随机变量,B为离散型随机变量,两者相互独立,由第2.1.1节可知,A和B的乘除运算是连续型随机变量,同理可得

(9)

若A和B均为连续型随机变量且相互独立,则有

(10)

由正向推理与反向推理,就可以对舷外有源诱饵干扰参数不确定进行描述,推理出所需参数的分布情况。

2.2 干扰对抗的非合作推理模型

使用舷外有源诱饵来干扰ASM时,ASM的部分参数信息可通过先期的情报获取以及实时的电子侦察获取。根据式(3),可以绘制概率推理模型如图4所示。

图4 诱饵干扰的概率推理模型Fig.4 Probability derivation model for decoy jamming

图4中,ASM临界距离受天线方向增益、雷达发射功率、干扰损失以及舰船RCS等要素影响,且这些要素之间互相独立,其中天线方向增益与波束宽度有关,舰船RCS与导弹来袭方向有关。诱饵布放距离由波束宽度以及ASM临界距离共同决定。

(1) 波束宽度:无法通过电子侦察系统直接获得,且天线方向图形式通常未知。在先期的研究中,雷达导引头跟踪波束通常较窄,在2°到8°之间,通常可采用高斯波束对天线方向图进行拟合并计算方向增益。考虑计算增益过程的非线性,在概率表述上可假设其是离散的,符号简记为BW。

(2) 雷达发射功率:考虑ASM雷达末制导距离,根据雷达方程计算相关的先验知识,其取值在kW级别。现代雷达多采取低截获、恒虚警抗干扰手段,雷达发射功率可动态调整,将雷达导引头发射功率(radar transmit power, RTP)定义为连续型随机变量。

(3) 干扰损失:受空间态势、天线方向增益、天线极化方式、硬件噪声、多径效应等多种要素以及环节的影响,取值在(0,1)之间,简记为JL,定义为连续型随机变量。

(4) 舰船RCS:起伏特性曲线如图5所示,从情报获取视角,被保护舰艇为己方舰艇,其RCS起伏特性通常是已知的。因此,对ASM而言,舰船RCS大小主要与来袭方向(direction of arrival, DOA)有关。从预警发现ASM到其进入末制导段,舰船可在一段时间内进行相应的规避动作,但是现代ASM多具备航路规划的能力,从中段到末段突防的方向仍然具有不确定性。舰船RCS涉及复杂的计算,通过采样,可将舰船RCS视为离散型随机变量。

图5 舰船RCS起伏特性示意图Fig.5 Schematic diagram of RCS undulation characteristics of a ship

结合式(3)进行进一步分析可知,若ASM雷达跟踪波束宽度且其方向图函数形式已知,则ASM临界距离与诱饵布放距离存在一一对应的关系。记中间变量M如下所示:

(11)

结合图4概率推理模型,可将ASM临界距离与诱饵布放距离之间的关系简化如图6所示。根据贝叶斯推理准则[28],当BW给定时,仅需要考虑中间变量M的分布情况。

图6 诱饵布放距离与ASM临界距离之间的简化关系Fig.6 Simplified relationship between decoy deployment distance and ASM critical distance

2.3 舷外有源诱饵策略评估内容

由概率推理原理和干扰推理模型,舷外有源诱饵干扰有效性评估的内容包括临界条件正向推理、对抗效果反向推理和干扰策略评估分析。

临界条件正向推理是根据先验知识,在ASM尚未来袭的情况下,对所有可能发生的诱饵干扰情况进行概率分析。其过程是通过情报数据库,确定舰船可能遭受威胁的参数分布情况,基于图4的推理模型并利用第2.1.1节中的多维随机变量函数推理,得到干扰有效临界条件的概率分布。对可信度较高的参数信息,可将其参数给定后进行推导,随后指导干扰策略制定。利用概率表述和推理,可降低评估中的主观影响。

干扰效果反向推理是后验条件概率分析,以干扰结论为出发点,在已知诱饵对ASM干扰结果的条件下,基于第2.1.2节中条件概率的反向推理,分析各参数后验概率分布情况。例如,已知舰船与诱饵之间的距离,但干扰失败,由此可根据图4推理模型,反向推导出其他参数分布情况。

干扰策略评估分析是对诱饵既定的布放策略进行干扰有效性评估。正向推理是在情报的概率描述基础上进行推导,再根据推导结论的概率给干扰策略以参数。而干扰策略条件推理则是确定干扰策略后,对其能够实施干扰的有效程度进行分析,主要是对不同距离以及不同方向来袭导弹的干扰有效性进行评估。

3 干扰有效性评估数值分析

根据舷外有源诱饵干扰概率推理模型,基于编程软件对干扰推理过程进行实现。

3.1 干扰临界条件的正向推理

假设舷外诱饵干扰的未知参数符合均匀分布,根据情报先验知识,其取值如下:

(12)

根据第2.2节分析,天线方向增益与舰船RCS均是均匀分布的离散型随机变量,利用正向推理方法,可得到诱饵布放距离Ye与ASM临界距离Re的概率密度分布,如图7所示。

图7 有效干扰临界条件的概率分布Fig.7 Probability distribution of the effective jamming critical condition

图7中,不同曲线表示临界条件在不同的PjGj下的概率密度分布情况。由判别条件可知,ASM来袭距离R>Re是从导弹角度表示的有效干扰概率,Y>Ye是从诱饵角度表示的有效干扰概率。随着PjGj减小,Re与Ye都趋向于增大,因此较高的PjGj对应的有效干扰条件相对宽松。结果显示,当ASM距离Re超过5 km时,实现有效干扰的概率超过0.8;当诱饵布放距离Ye超过200 m时,实现有效干扰的概率超过0.6。随着距离减小,有效干扰概率将会迅速衰减。

由于Re与Ye存在对应关系,根据表2干扰矩阵,综合考虑Re与Ye的分布情况,分析能够进行有效干扰的联合概率,由表2和贝叶斯推理准则可得

P(R>Re,Ye

(13)

式中:Φ表示波束宽度所有可能取值的集合,括号中第2个“<”体现了诱饵布放距离Y与导弹距离R之间的一一对应关系。由ASM末制导距离与诱饵布放距离共同确定的有效干扰概率分布如图8所示。

图8 综合临界要求的诱饵有效干扰概率Fig.8 Effective jamming probability of decoy for combined criticality requirements

从图8可知,ASM末段跟踪的起始距离越远,实现有效干扰的成功概率越大,这一点与图7显示的结果是一致的。但是从诱饵布放距离来看,有效干扰概率随着诱饵布放距离的增加呈现先增大后减小的变化趋势。这是因为,随着Y的增大,中间变量M的取值范围会增大,而在R给定的情况下,Y的增大将使得式(13)中的条件不能满足,使得有效干扰概率下降。在上述参数下,若已知ASM末段雷达跟踪距离在4 000～6 000 m之间,则较优的诱饵布放距离为200～400 m。

通过概率表示舷外有源诱饵干扰的非合作对抗参数并进行推理,可以将未知性反映到结论的概率中,从而有针对性地制定策略。

3.2 干扰效果的反向推理

当已知某一种干扰态势对ASM的干扰情况,则可以结合电子侦察获取参数,计算各对抗要素的后验概率,并更新参数分布情况。

通过仿真系统给出某一型导弹的各干扰案例,如表3所示。在情形i中,当诱饵布放距离为Yi时,通过电子侦察系统,舰船在ASM距离为Ri时持续侦收到雷达威胁信号。

表3 有源诱饵干扰案例

若成功干扰了ASM,根据第2.1.2节的反向推理,可得ASM波束宽度的后验概率表达式为

P(θ0.5=θ|Ri>Re,Ye

(14)

导引头雷达发射功率的后验概率表达式为

P(PtRe,Ye

(15)

若干扰失败,涉及到表2中两类干扰失败的情况。一是Y>Rθ0.5,若是因此导致干扰失败,可以得到波束宽度的后验概率,但由于与其他参数无关,无法得到其他参数的概率分布情况。干扰失败的另一种情形是Y

(16)

(17)

通过计算可得上述4组成功干扰案例的雷达发射功率后验概率分布情况,如图9所示。

图9 诱饵干扰条件的后验概率Fig.9 Posterior probability of decoy jamming condition

由于4个案例之间相互独立,单独从小于ASM的雷达发射功率RTP看,在情形1中,RTP小于5 kW的概率是RTP大于5 kW概率的2倍以上;在情形3中,RTP小于5 kW的概率略高于RTP大于5 kW的概率;在情形4中,RTP小于4 kW概率较高。上述3种情况表现出的规律是一致的,但情形2与其他3种情形表现出了互相矛盾的结论。考虑到BW与RTP是相互独立的,只要有一项不满足要求则可能导致干扰失败。对于情形2而言,其因BW约束导致干扰失效的可能性较大,而不是因RTP较高而导致干扰失败。综合分析,ASM的RTP小于4 kW,而ASM BW的取值在{3°,3.5°,4°,4.5°,5°}之中。

后验概率评估的重要作用在于,可以基于有限的干扰结果,对对方ASM的未知参数计算出新的概率分布情况,并以此作为后续干扰策略的优化依据。

4 诱饵干扰策略评估分析

在给定策略的条件下,需要对其干扰有效性进行评估。结合推理方法,从单个诱饵固定伴随态势、有限机动条件下的运动态势和多诱饵伴随态势的干扰有效性进行分析。

4.1 单一诱饵预置队形的干扰有效性

预置队形是指舷外有源诱饵以某种固定态势伴随舰船进行机动,此类诱饵大多以无人艇或无人机作为平台[29],其预置干扰阵型如图10所示。

图10 预置干扰阵型Fig.10 Preset jamming formation

图10显示了ASM从不同方向来袭的场景,对于诱饵干扰信号而言影响如下:一是干扰信号与舰船回波信号可能无法位于同一跟踪波门中,对此诱饵可通过延时转发对其进行补偿。由于导引头雷达多采用了频率捷变技术[30],通常只能进行延时补偿,仅适用于R3

以舷外有源诱饵与舰船的中心位置作为坐标原点构建坐标系,如图10所示,x轴正向表示0°方向,逆时针旋转为正。当ASM从180°～360°方向来袭时,诱饵无法对其进行干扰,因此仅考虑导弹从0°～180°来袭的场景。记ASM末段跟踪距离为R,舰船与舷外有源诱饵之间的间距为Y,将导弹来袭方向DOA记为α,诱饵的有效横向距离与DOA的关系如下:

Yv(α)=Ysin(|α-90|)

(18)

结合第3节分析,图10所示态势的有效干扰概率的计算表达式为

(19)

式中:σ(α)表示在DOA=α时的舰船RCS,中间变量N的表达式为

(20)

已知来袭ASM的BW为5°、末制导距离为5 km,舰船RCS分布特性如图5所示。不同布放距离下的诱饵对不同方向的干扰概率分布如图11所示。

图11 不同布放距离下诱饵对ASM各向干扰概率Fig.11 Jamming probability of decoys at different deploymant distances to ASM from different directions

随着诱饵横向布放距离增大,其对周围来袭ASM的有效干扰概率逐渐增大。根据舰船RCS分布情况,当ASM从舰船RCS较低的方位来袭时,有源诱饵更容易对其进行干扰。同时,由于ASM BW的限制,当诱饵布放距离增大到500 m以上时,在x轴左右两侧出现了干扰盲区,并且随着距离增大,干扰盲区变大。可以发现,沿着y轴布放诱饵,诱饵等效布放距离与舰船接近,即90°附近区域是其诱饵固有的干扰盲区。

4.2 诱饵有限机动条件下的干扰评估分析

在ASM来袭态势已知的情况下,若舷外有源诱饵具备一定的机动性[31],可对伴随态势进行调整,构成对ASM的干扰“三角态势”,如图12所示,针对90°方向来袭ASM的干扰盲区,诱饵通过横向机动即可进行盲区填补。

图12 诱饵机动式干扰示意图Fig.12 Schematic diagram of decoy maneuvering jamming

诱饵的机动性实质上意味着预置态势可以进行有限的调整,如图12中的红色阴影区域。将该区域记为L,诱饵所处位置记为l。此时,对于不同方向的来袭导弹的干扰有效性评估的概率分布应修正为通过有限机动诱饵最佳干扰位置的干扰概率

(DOA=α,l∈L))

(21)

已知来袭ASM的BW为5°、末制导跟踪距离为5 km。假设在ASM距离为18 km时,预警系统提示发现ASM来袭,速度为2 Ma。对于舷外有源诱饵而言,还剩20 s左右的时间改变干扰态势,设诱饵机动速度为10 m/s,其干扰占位区域可看作是一个以初始位置为中心、半径约为200 m的圆形区域,假设其初始位置为(0,300)m。机动后诱饵位置如图12右侧所示,可得在各个位置下的干扰概率如图13所示。

图13 诱饵向不同方向机动后的各方向干扰概率分布Fig.13 Probability distribution of jamming in each direction after decoy maneuvers in different directions

图13(a)中,红色实线表示舷外有源诱饵未进行机动时,对不同方向的有效干扰概率,对应于图11(c)。从图13可以看出,诱饵向不同方向机动可以改善部分方向的干扰性能,例如诱饵向右上方机动可以提高90°～150°方向来袭的ASM干扰概率。对于第4.1节中ASM从90°来袭的干扰盲区,起初无法满足“三角态势”。在图13(f)中,若诱饵向右机动,可以使得ASM被干扰概率不再为0。对比图11可以看出,诱饵采取有限的机动措施,可以对180°～360°部分范围的ASM进行干扰,增大了对ASM的有效干扰范围。

4.3 多诱饵伴随队形的干扰有效性

单个舷外有源诱饵在同一时刻通常只能对一枚ASM进行干扰,为了能够应对多枚ASM同时打击的场景,可采取多诱饵组合策略,弥补单一诱饵在干扰时空上的局限性。不考虑多诱饵之间的信号耦合情况,采用本文方法,可以对多个诱饵伴随阵型策略进行评估分析。

设雷达干扰相关参数与第4.1节相同,多个舷外有源诱饵阵型如图14所示。

图14 多诱饵伴随干扰阵型Fig.14 Jamming formation with multiple decoys

图14(a)中,两个诱饵上下对称布放,坐标为(0 m,300 m)与(0 m,-300 m);图14(b)中,诱饵呈“三角”阵型,坐标分别为(0 m, 300 m)、(260 m,-150 m)和(-260 m,-150 m)。每个舷外有源诱饵作为独立的干扰源,与诱饵机动性干扰分析相比,多个诱饵实质上是用诱饵数量换取了干扰态势变化对时间的需求。根据第4.1节计算方法可得两个阵型的干扰有效性概率分布如图15所示。

图15 多诱饵不同阵型干扰概率Fig.15 Jamming probability of multiple decoys in different formations

干扰评估结果是与舷外有源诱饵干扰机理相对应的,因此干扰机理可对上述评估结果进行解释。图15显示,“—”字阵型干扰范围是上下对称的,下方布置的诱饵对从另外一个方位来袭的干扰能力进行了补充,其缺点也比较明显,即对原来无法干扰的区域,在其对称区域也无法进行有效干扰。相比而言,“三角”阵型则对原先无法干扰的区域进行了一定的补充,但也无法实现全向的有效干扰。需要注意的是,评估是在第4.1节所给定的参数下进行的,若干扰参数发生变化,相应的评估结果也会发生变化。采取何种阵型是一个复杂的优化问题,本文所提方法为阵型优化问题提供了一种有效的评估方法。

5 结 论

针对舷外有源诱饵干扰主动雷达末制导反舰导弹的干扰有效性评估问题,本文提出了一种基于概率推理的评估方法,从反舰导弹末段制导对抗动态化过程的角度,结合信号层面与态势层面分析了诱饵有效干扰的临界判据条件,并根据临界判据提取了非合作参数,构建了诱饵干扰的概率推理模型。相较于传统评估方法,本文站在干扰一方,利用概率来表示干扰中的未知参数,降低人为先验主观因素的影响,且将干扰原理与概率推理结合,降低对数据集后验结论的依赖,增强了干扰有效性评估的可解释性。数值分析表明,概率推理评估方法可以对干扰有效性进行灵活的评估,其描述的概率分布可以从理论上对干扰有效性进行客观的表达,进而指导有源诱饵的布放策略;同时,在给定干扰策略后,该方法可适用于预置的单一诱饵阵型、机动式诱饵阵型以及多诱饵阵型等情形的评估,为后续的多诱饵集群干扰策略优化研究提供了评估方法。