【技术实现步骤摘要】
本公开涉及雷达干扰感知，特别涉及一种基于分布式雷达的多干扰源感知方法及装置、电子设备。
技术介绍
1、面对复杂的电磁环境时，军事作战要求电子设备不仅能够实时调整状态，还要具有自主学习能力。装备系统智能化已经成为电子战装备未来发展的趋势之一。
2、随着现代电子干扰技术的迅速发展，雷达所在的战场电磁环境越来越复杂，新型干扰样式层出不穷，干扰源数量更多，干扰功率不断变大。干扰方为了能够有效掩护目标，通常同时使用多种干扰样式对雷达方实施干扰，干扰方的干扰能力出现了宽带化、智能化、网络化的发展趋势。
3、为了保证雷达方在电子战中的生存能力并且在电子战中占有一定的有利地位，对雷达电子对抗系统的研究具有重大的军事价值和战略意义。随着人工智能技术的迅速发展，大量的智能技术应用于雷达电子战领域，雷达电子对抗越来越趋向智能化。雷达智能抗干扰系统对提高雷达方在实际作战环境中的抗干扰性能具有重要作用，尤其是干扰智能感知模块，可以获得包括干扰是否存在、存在的干扰种类、干扰的功率、带宽等信息，通过这些信息对雷达后续的干扰抑制工作提供依据，因此，雷达干扰感知模块相当于是智能抗干扰系统的“眼睛”。
4、然而，现有的雷达装备虽然能够实施副瓣对消、副瓣匿隐、频率捷变等抗干扰措施，但仍面临新的干扰样式及主瓣干扰威胁，探测能力下降显著。目前，单基地雷达通常采用收发同站的布局，战场环境感知适应能力弱，同时受到空间分辨力的限制，多目标角度分辨能力弱，难以准确辨识多干扰类型及精确估计各干扰参数，更无法估计出干扰源位置，难以为抗干扰策略生成
技术实现思路
1、本公开旨在至少解决现有技术中存在的问题之一，提供一种基于分布式雷达的多干扰源感知方法及装置、电子设备。
2、本公开的一个方面，提供了一种基于分布式雷达的多干扰源感知方法，所述感知方法包括：
3、在多干扰场景下，利用分布式部署的多部雷达对空中的多目标进行探测，得到各所述雷达的阵元回波信息；
4、根据所述阵元回波信息，利用music算法分别进行干扰源角度估计、目标角度估计，确定各所述雷达分别对应的基于干扰角度波束形成的干扰回波信号；
5、提取各所述干扰回波信号的干扰时频特征，基于所述干扰时频特征，利用训练好的多雷达干扰感知网络模型，确定各所述雷达分别对应的干扰类型及其干扰参数；
6、对各所述雷达对应的干扰类型及其干扰参数进行融合，得到分布式雷达协同感知的干扰辨识结果。
7、可选地，所述多雷达干扰感知网络模型的训练过程包括以下步骤：
8、分别提取各所述干扰回波信号的干扰时频特征和干扰多核滑窗匹配特征，构建数据特征集；
9、对所述数据特征集中的单干扰样本、复合干扰样本进行标注；
10、利用标注后的所述数据特征集训练所述多雷达干扰感知网络模型，直至所述多雷达干扰感知网络模型的全类平均正确率和交并比满足预设要求。
11、可选地，所述多雷达干扰感知网络模型采用swin transformer模型；
12、所述swin transformer模型包括swin transformer block模块，所述swintransformer block模块包括窗口多头自注意力层和移位窗口多头自注意力层，所述窗口多头自注意力层和所述移位窗口多头自注意力层交替出现，以实现窗口内信息传递与窗口之间信息传递。
13、可选地，所述根据所述阵元回波信息，利用music算法分别进行干扰源角度估计、目标角度估计，确定各所述雷达分别对应的基于干扰角度波束形成的干扰回波信号，包括：
14、基于所述阵元回波信息，利用所述music算法估计各所述雷达在其自身视角下的干扰源角度信息、目标角度信息；
15、针对每部所述雷达，分别基于对应的所述干扰源角度信息和所述目标角度信息进行自适应波束形成，得到对应的所述干扰回波信号。
16、可选地，所述感知方法还包括：
17、利用同一干扰源的回波信号相关性，对各所述干扰回波信号做互相关运算，根据相关稀疏，对各所述雷达对应的所述干扰源角度信息进行关联匹配；
18、根据各所述雷达对应的所述干扰源角度信息及各所述干扰源角度信息之间的关联匹配关系进行交叉定位，确定所有干扰源的位置信息。
19、可选地，所述基于所述干扰时频特征，利用训练好的多雷达干扰感知网络模型，确定各所述雷达分别对应的干扰类型及其干扰参数，包括：
20、将所述干扰时频特征输入所述训练好的多雷达干扰感知网络模型，得到各所述雷达分别对应的干扰类型及其网络时频特征预测框信息；
21、基于所述网络时频特征预测框信息，通过几何方式折算出对应的所述干扰参数。
22、可选地，所述对各所述雷达对应的干扰类型及其干扰参数进行融合，得到分布式雷达协同感知的干扰辨识结果，包括：
23、针对每个干扰源，选取对应的所述雷达的数量最多的所述干扰类型，作为融合感知干扰类型；
24、提取各所述雷达分别对应的与各所述干扰源的所述融合感知干扰类型相匹配的所述干扰参数，得到各所述融合感知干扰类型分别对应的各单雷达干扰参数；
25、针对每个所述干扰源，对于其所述融合感知干扰类型对应的各所述单雷达干扰参数，剔除其中的指定类型参数偏离其对应均值两倍方差的离群值，对所述指定类型参数之外的其他类型参数按照参数类型进行平均融合，得到融合感知干扰参数；所述指定类型参数包括切片宽度、频点、带宽。
26、可选地，所述感知方法还包括：
27、根据所述干扰辨识结果，生成多雷达协同抗干扰策略；
28、根据所述多雷达协同抗干扰策略，对各所述雷达所使用的发射接收波形进行选择调度。
29、本公开的另一个方面，提供了一种基于分布式雷达的多干扰源感知装置，所述感知装置包括：
30、探测模块，用于在多干扰场景下，利用分布式部署的多部雷达对空中的多目标进行探测，得到各所述雷达的阵元回波信息；
31、第一确定模块，用于根据所述阵元回波信息，利用music算法分别进行干扰源角度估计、目标角度估计，确定各所述雷达分别对应的基于干扰角度波束形成的干扰回波信号；
32、第二确定模块，用于提取各所述干扰回波信号的干扰时频特征，基于所述干扰时频特征，利用训练好的多雷达干扰感知网络模型，确定各所述雷达分别对应的干扰类型及其干扰参数；
33、融合模块，用于对各所述雷达对应的干扰类型及其干扰参数进行融合，得到分布式雷达协同感知的干扰辨识结果。
34、可选地，所述感知装置还包括：
35、训练模块，用于根据以下步骤得到所述训练好的多雷达干扰感知网络模型：
36、分别提取各所述干扰回波信号的干扰时频特征和干扰多核滑窗匹配特征，构建数据特征集；
37、对所述数据特征集中的单干扰样本文档来自技高网...
【技术保护点】
1.一种基于分布式雷达的多干扰源感知方法，其特征在于，所述感知方法包括：
2.根据权利要求1所述的感知方法，其特征在于，所述多雷达干扰感知网络模型的训练过程包括以下步骤：
3.根据权利要求2所述的感知方法，其特征在于，
4.根据权利要求1至3任一项所述的感知方法，其特征在于，所述根据所述阵元回波信息，利用MUSIC算法分别进行干扰源角度估计、目标角度估计，确定各所述雷达分别对应的基于干扰角度波束形成的干扰回波信号，包括：
5.根据权利要求4所述的感知方法，其特征在于，所述感知方法还包括：
6.根据权利要求1至3任一项所述的感知方法，其特征在于，所述基于所述干扰时频特征，利用训练好的多雷达干扰感知网络模型，确定各所述雷达分别对应的干扰类型及其干扰参数，包括：
7.根据权利要求1至3任一项所述的感知方法，其特征在于，所述对各所述雷达对应的干扰类型及其干扰参数进行融合，得到分布式雷达协同感知的干扰辨识结果，包括：
8.根据权利要求1至3任一项所述的感知方法，其特征在于，所述感知方法还包括：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于分布式雷达的多干扰源感知方法，其特征在于，所述感知方法包括：
2.根据权利要求1所述的感知方法，其特征在于，所述多雷达干扰感知网络模型的训练过程包括以下步骤：
3.根据权利要求2所述的感知方法，其特征在于，
4.根据权利要求1至3任一项所述的感知方法，其特征在于，所述根据所述阵元回波信息，利用music算法分别进行干扰源角度估计、目标角度估计，确定各所述雷达分别对应的基于干扰角度波束形成的干扰回波信号，包括：
5.根据权利要求4所述的感知方法，其特征在于，所述感知方法还包括：
6.根...
【专利技术属性】
技术研发人员：武艳伟，董凡辰，裴睿淋，刘金龙，韩阔业，
申请(专利权)人：中国电子科技集团公司信息科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。