一种共生无线电智能干扰方法技术

一种共生无线电智能干扰方法，涉及无线干扰领域，首先，采用捕捉器采集外界无线电信号，采用信号分析器判断采集到的无线电信号是否具有目标无线电信号；其次，采用智能干扰控制器对目标无线电信号进行滤波调制生成新的欺骗性干扰信号，无法确认目标无线电信号时，智能干扰器通过内置干扰源产生干扰信号；再次，采用信号检测器实现干扰效果检测；最后，采用干扰异常智能判断模进行干扰失败分析，采用改进深度Q学习

【技术实现步骤摘要】
一种共生无线电智能干扰方法


[0001]本专利技术涉及无线数字信息的传输领域，且更确切地涉及一种共生无线电智能干扰方法。

技术介绍

[0002]共生无线电是在自由空气中传播的电磁波，共生无线电是无线电发射机可以进行反向散射，且可以通过反射调制无线电发射机发射信息，近年来随着通信技术的逐渐发展，无线电逐渐应用在无线广播、移动通信、卫星交流和导航定位，通过干扰信号维护无线电传输安全也成了主流，在军事领域，无线电干扰已经成为一项作战方式。
[0003]共生无线电在进行无线数字信息传输过程中，需要对共生无线电智能干扰方法进行评估与计算。比如通过无人机干扰器、信号干扰器的产生干扰信号，通过设备自动化阻碍干扰信号，进而评估共生无线电智能干扰，该设备在共生无线电干扰中，具有重要的作用。在现有技术中，智能干扰技术也在逐渐发展与进步，其中在专利CN202211129773.0号中，该专利提出一种软件无线电快速部署装置及智能干扰方法，该方法通过PC部署软件实现无线电智能干扰，采用全可编程片上系统针对上千种状态场景进行深度强化学习，采用SAC算法与Wolpertinger框架实现大规模干扰，采用Actor网络部署结合FPGA进行智能干扰算法部署单元，采用本地计算资源对通信系统进行离线仿真，基于QT生成仿真动态链接库获取算法实现信道仿真，实现无线电智能干扰具有一定技术效果，在专利CN202210402926.8中提出一种基于电磁频谱特征认知的智能干扰方法、装置及系统，该智能干扰方法通过对特定频段进行频谱感知并截获目标系统的发射信号，采用信号特征感知算法识别出目标信号特征参数集，采用信号特征预测算法预测目标系统下一时隙发射信号可能采用的特征参数集，并加入历史数据，同时发出具有相同特征集的干扰信号并继续目标信号频段的监测，当目标系统发射信号特征集发生改变时，更新目标信号特征参数集实现持续有效干扰，同时更新历史数据实现预测算法的准确性。这两种技术通过新的角度实现智能干扰，但是在对目标信号进行智能干扰时不能精确干扰，且没有干扰失败解决方法，干扰效率不高，在评估共生无线电智能干扰时效率低下。

技术实现思路

[0004]针对上述问题，本专利技术公开一种共生无线电智能干扰方法，能够提高目标无线电信号干扰的精确度，提高干扰效率，具有失败原因智能分析功能，大大提高了共生无线电智能干扰评估能力。
[0005]为了实现上述技术效果，本专利技术采用以下技术方案：一种共生无线电智能干扰方法，其中包括以下步骤：S1：通过捕捉器张开定向型天线，接收外界无线电信号，信号分析器通过对比信号强度，确定目标信号方位，定向型天线自动旋转对准目标无线电信号源方位，信号采集器采集无线电信号；
S2：通过信号分析器分析出最终目标无线电信号，智能干扰控制器采用无线电解码模块对采集到的目标无线电信号解码生成无线电频谱，采用滤波器对目标无线电信号进行滤波处理，振荡器对滤除后的信号施加无规律调制，生成与目标无线电信号相似的欺骗性干扰信号，智能干扰控制器通过智能追踪干扰实现无线电智能干扰；S3：当信号分析器无法确认最终目标无线电信号时，智能干扰控制器通过内置干扰源产生新的无线电信号，干扰源通过定向型天线向目标信号方位产生干扰信号，采用调制电路控制输出的无线电频率，实现一定范围内无线电信号的强力干扰；S4：采用信号检测器对干扰范围内的信号进行采集分析，分析结果中没有检测到目标无线电信息，则信号干扰成功；反之，干扰失败；S5：干扰异常智能判断模进行干扰失败分析，可视化模块通过进行数据图形化显示失败原因，智能分析模块根据失败类型结合实施方案分析出解决建议。
[0006]作为本专利技术进一步技术方案，所述智能追踪干扰方法包括：S21：通过目标追踪单元采用感知信号锁定目标无线电信号，定向性天线根据感知信号返回的强度信息自动调整天线角度；S22：通过信号测量模型采用数据挖掘算法实现对目标无线电信号的特征分析，智能分析单元通过特征追踪实现目标无线电信号的轨迹生成并预测目标无线电信号的运行轨迹；S23：通过自动干扰装置结合目标无线电信号轨迹实现特定轨迹干扰。
[0007]作为本专利技术进一步技术方案，所述捕捉器包括接收器、定向型天线组和网络传输装置；其中所述接收器采用雷凌3070芯片作为核心，用于自动检测搜寻范围内无线电信号；所述定向型天线组用于接收外界环境中无线电信号；所述网络传输装置采用GPRS通信单元实现捕捉器与移动端通信。
[0008]作为本专利技术进一步技术方案，可视化模块通过改进深度Q学习
‑
路径跟踪算法实现目标无线电信号的轨迹生成，改进深度Q学习提取目标无线电信号步骤如下：S41：将历史查询到的无线电信号的状态、方向、返回值与未来状态定义为 ，其中t表示当前时刻，在深度Q学习中，构建决策模块经验回放池，如式（1）所示：（1）式（1）中，D表示无线电信号数量，sum表示经验回放池条件，on表示线上条件，off表示线下条件，表示经验回放池无线电信号数量，表示线上可连接无线电信号数量，表示线下无线电信号数量，表示信号数量迁移率，表示当前时刻t的信号数量迁移率；S42：深度Q学习模型中进行迭代训练，使无线电信号进行一定收敛，将训练中产生的误差定义为策略损失，线下策略损失值如式（2）所示：
（2）式（2）中，L表示策略损失值，表示线下策略损失值，表示初始权值，表示线下初始权值，e表示常数，T表示玻尔兹曼参数，表示t+1时刻无线电运行方向，表示预估值，表示线下预估值，A表示训练空间，表示线下训练空间；线上策略损失值如式（3）所示：（3）式（3）中，表示线上策略损失值，表示线上初始权值，表示线上预估值，表示线上条件训练空间；S43：线上条件与线下条件的策略损失值进行交叉熵衡量，策略损失函数如式（4）所示：（4）式（4）中，F表示策略损失函数，表示初始权值下的策略损失函数；在策略损失存在情况下，线上预估策略更新公式如式（5）所示：（5）式（5）中，表示线上预估策略更新函数，表示当前策略信息，表示策略预估值，当时，策略损失不再改变，实现搜索到的无线电信号数量收敛，保留下的无线电信号作为目标无线电信号。
[0009]作为本专利技术进一步技术方案，目标无线电信号采用路径跟踪算法计算及预测目标无线电信号的运行轨迹，所述路径跟踪算法包括多蜂巢选择模型和路径预测单元，路径跟踪算法实现步骤为：S51：定义目标无线电空间轨迹点集合为，其中n表示轨迹点，m表示所有轨迹点数量，周围环境接收无线电基站集合为，其中k表示基站，v表示所有基站数量，目标无线电传播时间间隙定义为，T表示时间间隙最大值，轨迹点n与基站k之间信噪比如式（6）所示：（6）式（6）中，S表示信噪比，表示轨迹点n与基站k之间的信噪比，p表示目标无线电
信号发射功率，表示目标无线电信号在轨迹点n与基站k之间的发射功率，g表示路径损耗，表示轨迹点n与基站k之间的路径损耗，I表示干扰程度，表示轨迹点n与基站k之间目标无线电的干扰程度，表示噪声高功率，表示目标无线电在传输过程中的衰减系数；S52：多蜂巢选择模型计算基站功耗如式（7本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种共生无线电智能干扰方法，其特征在于：包括以下步骤：S1：通过捕捉器张开定向型天线，接收外界无线电信号，信号分析器通过对比信号强度，确定目标信号方位，定向型天线自动旋转对准目标无线电信号源方位，信号采集器采集无线电信号；S2：通过信号分析器分析出最终目标无线电信号，智能干扰控制器采用无线电解码模块对采集到的目标无线电信号解码生成无线电频谱，采用滤波器对目标无线电信号进行滤波处理，振荡器对滤除后的信号施加无规律调制，生成与目标无线电信号相似的欺骗性干扰信号，智能干扰控制器通过智能追踪干扰实现无线电智能干扰；S3：当信号分析器无法确认最终目标无线电信号时，智能干扰控制器通过内置干扰源产生新的无线电信号，干扰源通过定向型天线向目标信号方位产生干扰信号，采用调制电路控制输出的无线电频率，实现一定范围内无线电信号的强力干扰；S4：采用信号检测器对干扰范围内的信号进行采集分析，分析结果中没有检测到目标无线电信息，则信号干扰成功；反之，干扰失败；S5：干扰异常智能判断模进行干扰失败分析，可视化模块通过进行数据图形化显示失败原因，智能分析模块根据失败类型结合实施方案分析出解决建议。2.根据权利要求1所述的一种共生无线电智能干扰方法，其特征在于：所述智能追踪干扰方法包括：S21：通过目标追踪单元采用感知信号锁定目标无线电信号，定向性天线根据感知信号返回的强度信息自动调整天线角度；S22：通过信号测量模型采用数据挖掘算法实现对目标无线电信号的特征分析，智能分析单元通过特征追踪实现目标无线电信号的轨迹生成并预测目标无线电信号的运行轨迹；S23：通过自动干扰装置结合目标无线电信号轨迹实现特定轨迹干扰。3.根据权利要求1所述的一种共生无线电智能干扰方法，其特征在于：所述捕捉器包括接收器、定向型天线组和网络传输装置；其中所述接收器采用雷凌3070芯片作为核心，用于自动检测搜寻范围内无线电信号；所述定向型天线组用于接收外界环境中无线电信号；所述网络传输装置采用GPRS通信单元实现捕捉器与移动端通信。4.根据权利要求1所述的一种共生无线电智能干扰方法，其特征在于：可视化模块通过改进深度Q学习
‑
路径跟踪算法实现目标无线电信号的轨迹生成，改进深度Q学习提取目标无线电信号步骤如下：S41：将历史查询到的无线电信号的状态、方向、返回值与未来状态定义为 ，其中t表示当前时刻，在深度Q学习中，构建决策模块经验回放池，如式（1）所示：（1）式（1）中，D表示无线电信号数量，sum表示经验回放池条件，on表示线上条件，off表示线下条件，表示经验回放池无线电信号数量，表示线上可连接无线电信号数量，表示线下无线电信号数量，表示信号数量迁移率，表示当前时刻t的信号数量迁移率；
S42：深度Q学习模型中进行迭代训练，使无线电信号进行一定收敛，将训练中产生的误差定义为策略损失，线下策略损失值如式（2）所示：（2）式（2）中，L表示策略损失值，表示线下策略损失值，表示初始权值，表示线下初始权值，e表示常数，T表示玻尔兹曼参数，表示t+1时刻无线电运行方向，表示预估值，表示线下预估值，A表示训练空间，表示线下训练空间；线上策略损失值如式（3）所示：（3）式（3）中，表示线上策略损失值，表示线上初始权值，表示线上预估值，表示线上条件训练空间；S43：线上条件与线下条件的策略损失值进行交叉熵衡量，策略损失函数如式（4）所示：（4）式（4）中，F表示策略损失函数，表示初始权值下的策略损失函数；在策略损失存在情况下，线上预估策略更新公式如式（5）所示：（5）式（5）中，表示线上预估策略更新函数，表示当前策略信息，表示策略预估值，当时，策略损失不再改变，实现搜索到的无线电信号数量收敛，保留下的无线电信号作为目标无线电信号。5.根据权利要求4所述的一种共生无线电智能干扰方法，其特征在于：目标无线电信号采用路径跟踪算法计算及预测目标无线电信号的运行轨迹，所述路径跟踪算法包括多蜂巢选择模型和路径预测单元，路径跟踪算法实现步骤为：S51：定义目标无线电空间...

【专利技术属性】
技术研发人员：薛钰飞，佘炎，杨耀明，田文东，杨建鹏，
申请(专利权)人：北京航天华腾科技有限公司，
类型：发明
国别省市：