一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法技术方案

本发明专利技术公开了一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法；包括有以下方法步骤：S1、通过大口径反射面天线进行检测波的截取获得；S2、将截取获得的载波信号输入到生成对抗网络算法模型中；S3、将生成的虚假欺骗干扰信号通过发射器进行发射；S4、然后通过自动距离跟踪系统实现对检测点进行距离检测；S5、通过欺骗干扰信号和自动距离跟踪系统实现隐藏自己和定位检测点；本发明专利技术通过建立生成对抗网络算法模型，通过计算得出最佳的欺骗干扰信号，且在进行发射干扰信号的时候，再根据同路径进行发射检测信号，实现对检测点的位置进行检测，且检测的数据信息在通过生成对抗网络算法模型进行识别和判定。生成对抗网络算法模型进行识别和判定。生成对抗网络算法模型进行识别和判定。

【技术实现步骤摘要】
一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法


[0001]本专利技术属于欺骗干扰
，具体涉及一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法。

技术介绍

[0002]在雷达检测定位中，需要对检测的信号进行欺骗，防止被定位到，通过欺骗干扰信号实现对雷达进行欺骗，使得雷达的定位不准确，甚至是无法实现检测到，然而市面上各种的欺骗干扰方法仍存在各种各样的问题。
[0003]如授权公告号为CN104678406A所公开的一种转发欺骗式GPS干扰系统及其干扰方法，其虽然实现了干扰发射体积小、重量轻，采用大口径反射面天线获得高增益，提高GPS信号的载噪比，不需解扩，将收发部分由传输系统隔离并连接起来，既避免了收发隔离问题，又解决了远程传输问题，能够实现很远的有效干扰距离，但是并未解决现有欺骗干扰方法存在的，不能够提前对干扰信号进行测算，实现对输出最佳欺骗信号，以及不能够方向定位确定和进行模型计算处理等的问题，为此我们提出一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法，包括有以下方法步骤：
[0006]S1、通过大口径反射面天线进行检测波的截取获得：采用的大口径反射面天线实现对来自各处的检测波进行截取，并且进行提取检测波中的载波信号；
[0007]S2、将截取获得的载波信号输入到生成对抗网络算法模型中：在提取到检测波中的载波信号后，将载波信号输入到生成对抗网络算法模型中，然后通过生成对抗网络算法模型生成虚假欺骗干扰信息；
[0008]S3、将生成的虚假欺骗干扰信号通过发射器进行发射：通过生成对抗网络算法模型生成虚假欺骗干扰信息后通过信号发射器进行反方向发射出去，使得检测端能够接收到反射回来的欺骗干扰信号；
[0009]S4、然后通过自动距离跟踪系统实现对检测点进行距离检测：在发射欺骗干扰信号后，再通过自动距离跟踪系统实现对检测点进行检测，且在接收返回的检测波后，将返回的检测波输送给生成对抗网络算法模型中，实现对检测到的位置进行判定真伪；
[0010]S5、通过欺骗干扰信号和自动距离跟踪系统实现隐藏自己和定位检测点：通过发射欺骗干扰信号实现对自身进行隐藏，防止自身被检测到，并且通过自动距离跟踪系统实现对检测点进行检测，确定检测点位置。
[0011]优选的，所述S1中的大口径反射面天线设有若干组，实现对来自不同方向的检测波进行接收，在接收到检测波后通过大口径反射面天线内的增益放大模块实现对检测波进行放大处理，然后再通过模数转换器提取载波信号。
[0012]优选的，所述S2中的生成对抗网络算法模型中包括生成器与判别器，且生成对抗网络算法模型的训练过程如下：
[0013]S201、固定生成器，使用生成器基于隐随机向量z模拟出G(z)作为负样本，并从真实数据中采样得到正样本x；
[0014]S202、然后将正负样本输入给判别器，进行二分类预测；
[0015]S203、最后利用其二分类交叉熵损失更新判别器参数；
[0016]S204、之后固定判别器优化生成器。
[0017]优选的，所述判别器输入的样本一半来自真实数据，一半来自生成器，则其二分类交叉熵损失可表示为：
[0018][0019]分别对应真实数据和生成数据的交叉熵损失之和，以此得到优化目标函数为：
[0020][0021]训练优化阶段，为了让判别器最大化目标函数，使得其尽量对真实数据采样样本x的预测概率D(x)趋近于1，对生成样本G(z)的预测概率D(G(z))趋近于0；并且，要让生成器最小化目标函数，而且logD(x)一项与生成器无关，此时主要是最小化后一项，使得生成器生成样本让判别器预测概率D(G(z))趋近于1。
[0022]优选的，所述生成对抗网络算法模型实现对欺骗信号的计算处理如下：
[0023]对于单个样本s，当固定生成器，寻找当下最优判别器即：
[0024][0025]且P
data
(s)表示从真实数据采样得到s的概率，PG(s)为从生成器得到s的概率，求得的解为：
[0026][0027]逐条样本s积分得到求得函数解为：
[0028][0029]将最优判别器带入寻找最优生成器，此时生成器的目标函数等价于优化P
data
与PG的JS散度，即：
[0030][0031]达到纳什均衡点是JSD(P
data
||PG)的最小值，即P
data
＝PG时，JSD(P
data
||PG)为零，
值函数则判别器不论基于P
data
，还是PG采用，其预测概率均为二分之一，即生成样本与真实样本难以区分，不能够被识别真假。
[0032]优选的，所述S3中的信号发射器选用的和检测端的发射器相同，且发射器包括无线电跟踪系统和光学跟踪系统，所述欺骗干扰信号在进行发射之前先通过功率放大器实现放大处理。
[0033]优选的，所述欺骗干扰信号在进行放大处理之后，通过混频器实现对计算出的欺骗干扰信号整合到无线电波或者是光学波上进行发射，且在发射之前通过延时器实现控制发射时间和间隔。
[0034]优选的，所述S4中的自动距离跟踪系统利用无线电跟踪系统或者光学跟踪系统实现对检测点的位置进行检测，并且对于反射回来的数据信息通过信号处理系统进行预选。
[0035]优选的，所述信号处理系统中包括有信息接收电路、信号转换电路、信号滤波电路和信号放大电路，所述信号接收电路用于实现对反射回来的信号波进行接收，所述信号放大电路用于实现对接收的信号波进行放大处理，所述信号滤波电路用于实现对信号进行滤波处理，有效的滤除干扰杂波，所述信号转换电路用于实现对模拟信号转换合成数字信号。
[0036]优选的，所述反射回来的数据信息通过重合电路整合到恒流放电电路后输送到相减器上，再通过与非门和时钟电路输入到误差计数器上，并且存储在误差寄存器中，最后通过生成对抗网络算法模型中进行计算处理和判断。
[0037]与现有技术相比，本专利技术的有益效果是：
[0038]本专利技术通过建立生成对抗网络算法模型，实现对欺骗干扰信号进行模拟处理，并且实现计算，通过计算得出最佳的欺骗干扰信号，然后进行反射发出，使得检测点不能够精准的检测到目标或者是误判位置，且在进行发射干扰信号的时候，再根据同路径进行发射检测信号，实现对检测点的位置进行检测，且检测的数据信息在通过生成对抗网络算法模型进行识别和判定，进而能够实现有效的防止检测定位，实现对检测进行欺骗干扰，以及能够实现反向检测定位。
附图说明
[0039]图1为本专利技术的方法步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法，其特征在于，包括有以下方法步骤：S1、通过大口径反射面天线进行检测波的截取获得：采用的大口径反射面天线实现对来自各处的检测波进行截取，并且进行提取检测波中的载波信号；S2、将截取获得的载波信号输入到生成对抗网络算法模型中：在提取到检测波中的载波信号后，将载波信号输入到生成对抗网络算法模型中，然后通过生成对抗网络算法模型生成虚假欺骗干扰信息；S3、将生成的虚假欺骗干扰信号通过发射器进行发射：通过生成对抗网络算法模型生成虚假欺骗干扰信息后通过信号发射器进行反方向发射出去，使得检测端能够接收到反射回来的欺骗干扰信号；S4、然后通过自动距离跟踪系统实现对检测点进行距离检测：在发射欺骗干扰信号后，再通过自动距离跟踪系统实现对检测点进行检测，且在接收返回的检测波后，将返回的检测波输送给生成对抗网络算法模型中，实现对检测到的位置进行判定真伪；S5、通过欺骗干扰信号和自动距离跟踪系统实现隐藏自己和定位检测点：通过发射欺骗干扰信号实现对自身进行隐藏，防止自身被检测到，并且通过自动距离跟踪系统实现对检测点进行检测，确定检测点位置。2.根据权利要求1所述的一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法，其特征在于：所述S1中的大口径反射面天线设有若干组，实现对来自不同方向的检测波进行接收，在接收到检测波后通过大口径反射面天线内的增益放大模块实现对检测波进行放大处理，然后再通过模数转换器提取载波信号。3.根据权利要求1所述的一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法，其特征在于：所述S2中的生成对抗网络算法模型中包括生成器与判别器，且生成对抗网络算法模型的训练过程如下：S201、固定生成器，使用生成器基于隐随机向量z模拟出G(z)作为负样本，并从真实数据中采样得到正样本x；S202、然后将正负样本输入给判别器，进行二分类预测；S203、最后利用其二分类交叉熵损失更新判别器参数；S204、之后固定判别器优化生成器。4.根据权利要求3所述的一种基于生成对抗网络算法模型的自动距离跟踪系统的欺骗干扰方法，其特征在于：所述判别器输入的样本一半来自真实数据，一半来自生成器，则其二分类交叉熵损失可表示为：分别对应真实数据和生成数据的交叉熵损失之和，以此得到优化目标函数为：训练优化阶段，为了让判别器最大化目标函数，使得其尽量对真实数据采样样本x的预测概率D(x)趋近于1，对生成样本G(z)的预测概率D(G(z))趋近于0；并且，要让生成器最小化目标函数，而且logD(x)一项与生成器无关，此时主要是最小化后一项，使得生成器生成
样本让判别器预测概率D(G(z))趋近于1。...

【专利技术属性】
技术研发人员：汪浩笛，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：