基于集群智能的自适应协同干扰方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种基于集群智能的自适应协同干扰方法、装置和存储介质，包括根据干扰效果指标生成辐射源信息，通过电子对抗元胞自动机模型在各干扰机之间传递辐射源信息，根据干扰效果指标生成演化规则，通过电子对抗元胞自动机模型根据演化规则对各干扰机的工作状态进行演化，对各干扰机进行协同干扰策略优化等步骤。本发明专利技术能够实现干扰机集群自适应化协同干扰，通过实时监测干扰性能指标和干扰参数的变化，并根据情况自动调整干扰资源的分配和干扰参数的设置，可以快速响应外部事件，及时做出相应的调整，有效提高系统的稳定性，减少选择干扰策略时的人为干预，争取时间优势，提高电子对抗时的主动应对能力。本发明专利技术广泛应用于电子对抗技术领域。于电子对抗技术领域。于电子对抗技术领域。

【技术实现步骤摘要】
基于集群智能的自适应协同干扰方法、装置和存储介质


[0001]本专利技术涉及电子对抗
，尤其是一种基于集群智能的自适应协同干扰方法、装置和存储介质。

技术介绍

[0002]在电子战场上，情况变化万千，如果仍采用由外部控制的拓扑模式来进行集群协同干扰，那么就需要处理探测到的信息，并在人为干预下选择干扰策略，这将使我方失去时间优势，甚至可能导致我方被动应对。

技术实现思路

[0003]针对目前的电子对抗技术难以及时响应外部事件等技术问题，本专利技术的目的在于提供一种基于集群智能的自适应协同干扰方法、装置和存储介质。
[0004]一方面，本专利技术实施例包括一种基于集群智能的自适应协同干扰方法，所述基于集群智能的自适应协同干扰方法包括：
[0005]确定干扰效果指标；
[0006]根据所述干扰效果指标，生成辐射源信息；
[0007]通过电子对抗元胞自动机模型，在各所述干扰机之间传递所述辐射源信息；所述电子对抗元胞自动机模型中，以干扰机作为元胞，以干扰机集群所在空间作为元胞空间，以任一干扰机的通信半径内的所有干扰机作为该干扰机的邻居；
[0008]根据所述干扰效果指标，生成演化规则；
[0009]通过所述电子对抗元胞自动机模型，根据所述演化规则对各所述干扰机的工作状态进行演化；所述干扰机的工作状态包括侦察状态和干扰状态；
[0010]对各所述干扰机进行协同干扰策略优化。
[0011]进一步地，所述确定干扰效果指标，包括：
[0012]获取雷达压制率、距离测量损失和角度测量损失；
[0013]根据所述雷达压制率、所述距离测量损失和所述角度测量损失，干扰效果指标。
[0014]进一步地，所述根据所述雷达压制率、所述距离测量损失和所述角度测量损失，干扰效果指标，包括：
[0015]根据公式E
loss
＝a1Q+a2D
loss
+a3A
loss
确定所述干扰效果指标；
[0016]其中，E
loss
表示所述干扰效果指标，Q表示雷达压制率，D
loss
表示距离测量损失，A
loss
表示角度测量损失，a1、a2和a3为系数。
[0017]进一步地，所述根据所述干扰效果指标，生成辐射源信息，包括：
[0018]根据公式Info
ij
＝[InfoR
j
，k
ij
]生成所述辐射源信息；其中，Info
ij
表示第j个辐射源作用在第i个干扰机上的辐射源信息，k
ij
表示第j个辐射源作用在第i个干扰机上的信息浓度，表示存在第i个干扰机时的所述干扰效果指标，E
loss
表示不存在第i个干扰机时的所述干扰效果指标；InfoR
j
＝[P
t
，τ，T，position，signal]，P
t
为第j个辐射
源的功率，τ为第j个辐射源的信号脉宽，T为第j个辐射源的信号周期，position为第j个辐射源的空间位置，signal为第j个辐射源的信号样式。
[0019]进一步地，所述根据所述干扰效果指标，生成演化规则，包括：
[0020]根据公式生成所述演化规则；
[0021]其中，S0→
S
p
表示从所述侦察状态转换到对第p个辐射源的所述干扰状态的规则，S
p
→
S0表示从对第p个辐射源的所述干扰状态转换到所述侦察状态的规则，S
p
→
S
q
表示从对第p个辐射源的所述干扰状态转换到对第q个辐射源的所述干扰状态的规则；Neig表示被转换工作状态的干扰机的邻居总数，M表示所述辐射源的总数，threshold表示门限值。
[0022]进一步地，所述对各所述干扰机进行协同干扰策略优化，包括：
[0023]设置目标函数和对应的约束条件；
[0024]根据所述目标函数和所述约束条件，设定各所述干扰机的干扰参数。
[0025]进一步地，所述对各所述干扰机进行协同干扰策略优化，包括：
[0026]根据公式设定第一目标函数；
[0027]根据公式设定第一约束条件；
[0028]其中，ω
m
表示第m个辐射源的危险等级数，M表示所述辐射源的总数，N表示所述干扰机的总数，x
nm
表示第n个干扰机对第m个辐射源的决策系数，当x
nm
＝1时表示第n个干扰机对第m个辐射源进行干扰，当x
nm
＝0时表示第n个干扰机不对第m个辐射源进行干扰，e
nm
表示第n部干扰机对第m个辐射源的干扰效果值。
[0029]进一步地，所述对各所述干扰机进行协同干扰策略优化，包括：
[0030]根据公式设定第二目标函数；
[0031]根据公式设定第二约束条件；
[0032]其中，ω
m
表示第m个辐射源的危险等级数，M表示所述辐射源的总数，N表示所述干扰机的总数，x
nm
表示第n个干扰机对第m个辐射源的决策系数，当x
nm
＝1时表示第n个干扰机对第m个辐射源进行干扰，当x
nm
＝0时表示第n个干扰机不对第m个辐射源进行干扰，y
nm
表示第n个干扰机的第l个干扰样式，当y
nm
＝1时表示第n个干扰机产生第l个干扰样式，当y
nm
＝0时表示第n个干扰机不产生第l个干扰样式，e
nml
表示第n部干扰机对第m个辐射源采用干扰样式l的干扰效果值。
[0033]另一方面，本专利技术实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的基于集群智能的自适应协同干扰方法。
[0034]另一方面，本专利技术实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的基于集群智能的自适应协同干扰方法。
[0035]本专利技术的有益效果是：实施例中的基于集群智能的自适应协同干扰方法，通过实时监测干扰性能指标和干扰参数的变化，并根据情况自动调整干扰资源的分配和干扰参数的设置，可以控制干扰机集群自主完成干扰策略的选择和执行，提高干扰机集群的反应速度和精度，可以针对动态的场景做出自适应的改变，减少选择干扰策略时的人为干预，有利于争取时间优势，从而快速响应外部事件，并及时做出相应的调整，从而有效提高系统的稳定性，提高电子对抗时的主动应对能力。
附图说明
[0036]图1为实施例中基于集群智能的自适应协同干扰方法的步骤示意图；
[0037]图2为实施例中二维元胞自动机模型的示意图；...

【技术保护点】

【技术特征摘要】
1.一种基于集群智能的自适应协同干扰方法，其特征在于，所述基于集群智能的自适应协同干扰方法包括：确定干扰效果指标；根据所述干扰效果指标，生成辐射源信息；通过电子对抗元胞自动机模型，在各所述干扰机之间传递所述辐射源信息；所述电子对抗元胞自动机模型中，以干扰机作为元胞，以干扰机集群所在空间作为元胞空间，以任一干扰机的通信半径内的所有干扰机作为该干扰机的邻居；根据所述干扰效果指标，生成演化规则；通过所述电子对抗元胞自动机模型，根据所述演化规则对各所述干扰机的工作状态进行演化；所述干扰机的工作状态包括侦察状态和干扰状态；对各所述干扰机进行协同干扰策略优化。2.根据权利要求1所述的基于集群智能的自适应协同干扰方法，其特征在于，所述确定干扰效果指标，包括：获取雷达压制率、距离测量损失和角度测量损失；根据所述雷达压制率、所述距离测量损失和所述角度测量损失，干扰效果指标。3.根据权利要求2所述的基于集群智能的自适应协同干扰方法，其特征在于，所述根据所述雷达压制率、所述距离测量损失和所述角度测量损失，干扰效果指标，包括：根据公式E
loss
＝a1Q+a2D
loss
+a3A
loss
确定所述干扰效果指标；其中，E
loss
表示所述干扰效果指标，Q表示雷达压制率，D
loss
表示距离测量损失，A
loss
表示角度测量损失，a1、a2和a3为系数。4.根据权利要求1所述的基于集群智能的自适应协同干扰方法，其特征在于，所述根据所述干扰效果指标，生成辐射源信息，包括：根据公式Info
ij
＝[InfoR
j
，k
ij
]生成所述辐射源信息；其中，Info
ij
表示第j个辐射源作用在第i个干扰机上的辐射源信息，k
ij
表示第j个辐射源作用在第i个干扰机上的信息浓度，表示第j个辐射源作用在第i个干扰机上的信息浓度，表示存在第i个干扰机时的所述干扰效果指标，E
loss
表示不存在第i个干扰机时的所述干扰效果指标；InfoR
j
＝[P
t
，τ，T，position，signal]，为第j个辐射源的功率，为第j个辐射源的信号脉宽，为第j个辐射源的信号周期，position为第j个辐射源的空间位置，signal为第j个辐射源的信号样式。5.根据权利要求4所述的基于集群智能的自适应协同干扰方法，其特征在于，所述根据所述干扰效果指标，生成演化规则，包括：根据公式生成所述演化规则；其中，S0→
S
p
表示从所述侦察状态转换到对第p个辐射源的所述干扰状态的规则，S
p
→...

【专利技术属性】
技术研发人员：饶彬，欧阳佳康，周永坤，王伟，王涛，周颖，
申请(专利权)人：中山大学，
类型：发明
国别省市：