0 引言
现代雷达所面临的作战环境日益恶化，尤其是雷达干扰的复杂化和智能化，雷达的生存作战能力将会受到更加严峻的挑战[1]，为此雷达装备采用了相应的抗干扰技术，以提高复杂电磁环境下的探测性能和生存能力。随着雷达对抗手段日益多样化，传统雷达抗干扰评估方法不能满足当今智能抗干扰评估需求[2-3]。在这种背景下需要摸清复杂电磁环境干扰态势、辐射源特性，研究有效的雷达抗干扰的技术和方案，建立科学的雷达抗干扰评估指标体系，准确掌握雷达对各种干扰样式的抗干扰效果，这是雷达抗干扰研究的核心和关键[4-6]。
受设备、空间、时间、环境等多种因素的影响，如何有效评估雷达抗干扰性能是目前面临的难题。传统的雷达抗干扰性能评估方法体系不健全，多侧重于雷达探测性能技术参数评估；仿真技术方法单一，仿真模型局限在单一功能级或信号级，没有从雷达抗干扰全工作过程进行建模；智能化程度低，需要专业人员操作和数据分析，评估结果可视性差[7-10]。
笔者基于现代雷达智能抗干扰工作体系，设计实现了基于干扰信号感知的雷达智能抗干扰评估仿真系统。首先对战场环境进行感知和分析，对于干扰类型和参数进行分析和识别，然后基于这些信息和接收回波处理的信息，在线调整发射波形并选择对应的干扰抑制方法抑制各种单一干扰和复合干扰，使得干扰机很难获得我方雷达发射波形，难以进行干扰，最后对雷达采用抗干扰措施前后的抗性能技术指标进行评估。该系统可为雷达抗干扰技术的分析验证提供良好的验证平台。
1 雷达智能抗干扰技术
现代雷达有源干扰系统从对雷达信号的截获识别到干扰信号的处理转发，已经形成了一个完整的闭环的智能化干扰系统，通过对辐射源进行分选识别、参数估计，截获并测量雷达信号PDW(Pulse Description Word，脉冲描述字)参数，然后参照被截获雷达信号特征，根据干扰策略进行放大、延时、调制和转发，形成多种样式的干扰信号，可对雷达实施效果较好干扰。假如雷达设备仅采取传统被动和单一的抗干扰方法(如自适应频率捷变、自适应旁瓣对消等)，将很难对付有源欺骗干扰、噪声灵巧干扰、密集干扰和复合式干扰等类型干扰信号。
雷达只有通过智能抗干扰技术才能很好地解决以上问题，雷达智能抗干扰技术的核心是自动识别干扰类型并自动采取抗干扰技术措施，其主要体系构成如图1所示[11]。雷达智能抗干扰系统通常由干扰特征提取、干扰识别、反干扰调度和反干扰措施四个部分组成，它从雷达信号发射、接收到信号处理形成了一个在线闭环系统，通过对雷达接收通道中的干扰信号有无进行判断，并进行特征提取和干扰类型的分类，然后针对不同类型的干扰，分别调用对应的抗干扰技术措施，它是一个认识、决断、处理、再认识、再决断、再处理这样不断循环的过程，雷达智能抗干扰具备更为复杂的准则和认知通道，可在复杂干扰环境下有效对抗雷达有源干扰。
图1 雷达智能抗干扰系统构成
2 雷达智能抗干扰评估仿真系统设计
2.1 智能抗干扰评估体系
如图2所示，雷达智能抗干扰评估体系主要由干扰信号感知能力评估和抗干扰能力评估两大模块组成。干扰信号感知能力主要考察对干扰类型的识别正确概率和识别速度。抗干扰能力主要考察在采取最优干扰措施前后，雷达压制比、距离威力、目标检测数量、欺骗干扰成功概率、被截获概率等抗干扰性能参数的改善情况。
图2 智能抗干扰评估体系
2.2 系统功能设计
智能抗干扰仿真评估系统功能架构如图3所示。干扰感知仿真部分用来指定生成某种类型的干扰信号或随机生成一种干扰信号，然后将其加入到雷达接收信号中，通过提取干扰信号的时域波形和频谱分布参数作为特征值，运用支持向量机进行干扰类型特征分类识别训练，给出回波信号中的干扰信号类型识别结果。干扰拟制仿真部分针对干扰感知部分识别出的干扰信号类型，自动选择最优的抗干扰策略，并调用相关算法技术进行主动与被动抗干扰。其中，自适应旁瓣对消算法用于噪声干扰的抑制，旁瓣匿影用于密集假目标干扰的抑制，复合样本选取旁瓣对消算法用于抑制复合干扰，主动抗干扰方向图用于雷达发射波形在干扰方向形成零陷，减少雷达信号被截获概率，提高旁瓣对消的效果。抗干扰性能评估部分主要用来计算采取干扰措施后，雷达抗干扰指标的变化情况，如检测目标数量、压制比改善值、欺骗成功概率等，并给出最优主动抗干扰方向图。
图3 智能抗干扰评估仿真系统功能架构
2.3 系统工作流程
依据智能抗干扰雷达工作过程，构建雷达抗干扰性能评估仿真系统。雷达抗干扰性能评估仿真系统通过模拟机载雷达和干扰机各个功能模块信号处理的过程，以单个脉冲重复周期为仿真时间单位，建立了完整的雷达与干扰机之间数据流动与处理的动态闭环仿真环境。智能抗干扰仿真评估系统的工作流程设计如图4所示。
图4 雷达抗干扰仿真评估流程
首先系统随机生成一种类型干扰信号，加入到干扰识别模块进行干扰类型的自动识别，也可以直接指定生成某种类型的干扰。干扰信号加入到雷达阵列天线接收到的回波中，根据干扰的类型选择合理的抗干扰策略，实施自适应旁瓣对消/旁瓣匿影算法/分时识别的复合干扰抑制算法/雷达发射波束干扰方向零陷等单一或组合抗干扰技术。将雷达采取抗干扰和未采取抗干扰的目标探测性能进行比较，比较雷达采取抗干扰措施前后的抗干扰效果，根据抗干扰效果自适应调整干扰策略并更新干扰策略知识库。
2.4 系统界面设计
如图5所示，系统主界面设计为5大功能模块：信号选择面板、特征参数面板、抗干扰方法面板、结果显示面板和效果评估面板。人机交互可操作的窗口包括1个弹出式菜单“信号类型”选择窗口和6个仿真按钮(干扰识别率按钮、SVM1按钮、SVM2按钮、干扰抑制仿真按钮、欺骗干扰成功概率按钮和主动抗干扰方向图按钮)，其中每个按钮之间相互独立。雷达信号、干扰信号、抗干扰技术等参数设置与修改，可通过后台代码模块进行。
图5 雷达智能抗干扰评估系统界面
信号选择模块用来进行指定干扰信号类型选择和随机干扰信号类型的选择(干扰信号类型为托引干扰、噪声干扰、密集假目标干扰和复合干扰信号)。随机选择的干扰信号输入系统，系统会进行干扰特征参数的提取，并将特征参数向量输入到SVM进行干扰类型的识别，并进行选择特征参数和识别结果显示。
抗干扰方式模块是指系统干扰信号识别的类型，自动采取的抗干扰措施，通过干扰拟制仿真操作，可以进行被动干扰抑制的仿真实验，并根据干扰类型的不同得到不同干扰拟制的结果，在右边窗口进行显示。
效果评估面板用来显示采取相应抗干扰措施后各项抗干扰指标的数值。
主动抗干扰图可以根据主瓣区域、主瓣电平、零陷区域和零陷电平等综合要求，完成雷达发射方向图优化，在不影响其他性能的前提下，在干扰方向形成零陷，减少雷达被截获概率。
3 关键仿真模块模型
3.1 阵列信号模型
天线阵列是由N个间隔为d的阵元组成的均匀线阵。雷达回波信号入射到阵列的方向为θ0，J个干扰信号入射到阵列的方向为θj，j=1,2,…，J，k时刻N×1维主阵列接收数据矢量X(k)为
X(k)=AS(k)+N(k)
式中，X(k)=[x1(k),x2(k),…,xN(k)]T，xi(k)表示主阵列第i个阵元k时刻接收到的数据，A为N×(J+1)维阵列流行矩阵。
A=[a(θ0),a(θ1),…,a(θJ)]
a(θJ)=[1,e(jβq),…，ej(N-1)βq]，q=0,1,2,…,J
a(θJ)为第q个信源的导向矢量，主阵列的静态权矢量为
为回波信号波长。S(k)=[s0(k),s1(k),…,sJ(k)]T为各入射信号在k时刻的复包络组成的信号矢量。N(k)=[n1(k),n2(k),…,nN(k)]T为N×1维阵列阵元高斯白噪声矢量。k时刻，主通道输出为
(1)
3.2 基于SVM的干扰识别模型
基于SVM的干扰类型识别模型如图6所示。提取不同干扰信号的时域、频域特征参数(矩偏度、矩峰度、包络起伏度、瞬时幅度频谱最大值等)，选择区分度大的特征参数构造学习训练样本，输入SVM模块进行干扰类型识别训练，建立干扰类型分类模式集，得到最优分类线。
图6 SVM识别模型
根据特征参数区分度θ定义如下：
(2)
式中，rmax为特征参数中较大的一个数，rmin为特征参数中较小的一个数。
结合特征参数选取的原则，选取区分度有区别性的特征参数作为分类特征，选取特征数值趋于稳定时的特征值作为特征向量，不同类型干扰信号识别特征参数如表1所示。
表1 不同干扰信号特征参数
干扰类型频域矩偏度频域矩峰度瞬时幅度频谱最大值频域包络起伏度噪声干扰0.833.896.020.15密集假目标干扰6.2844.22339.2313.01复合干扰4.8934.7832.690.53
3.3 自适应旁瓣对消模型
旁瓣对消利用辅助天线接收到的干扰信号来压低主天线旁瓣进来的定向干扰[12-13]。闭环自适应旁瓣相消原理如图7所示，将输出与期望的输出误差反馈给权值估计模块，使其朝着估计的梯度负方向不断迭代，直至输出信号与期望信号误差小于某个特定值，获得最优权。
图7 自适应旁瓣对消原理
k时刻N个阵元辅助阵列接收数据为
Y(k)=BS(k)+ Nna(k)
式中，B=[b(θ0),b(θ1),…，b(θM)]为辅助阵列的阵列流行矩阵，Nna(k)为M×1维阵列阵元高斯白噪声矢量，Nna(k)=[n1(k),n2(k),…，nM(k)]T。
设辅助天线个数为Z，m(t)为t时刻主天线接收的信号矢量，S(t)为辅助天线接收的信号矢量。
S(t)=[s1(t),s2(t),…,sZ(t)]
辅助天线最优权矢量ω为
ω=[ω1,ω1…ωz]T
主辅通道经过加权辅助通道对消后的输出信号为
r(t)=m(t)-ωHS(t)
旁瓣对消后的剩余功率pres为
pres=E[|m(t)-ωHS(t)|2]=
(3)
式中,RSm表示辅助通道与主通道接收信号的N×1维互相关矩阵，RSS表示辅助通道接收干扰信号的N×N维自相关矩阵。
pres函数梯度为
ω(pres)=2RSSω-2RSm，当 ω(pres)等于零时，可求得最优权矢量。
ωopt=RSS-1RSm
3.4 发射波束优化模型
只考虑雷达危险方位区域形成低的波束副瓣，建立多自变量波束形状函数模型如下：
y=f(x1,x2,…,xn)
(4)
通过给予自变量x1,x2,…,xn适当的参数，使得上述的函数模型能与期望波束形状y′相匹配。参数按如下准则选取：使得y′与y之差的平方和最小[14-16]。
(5)
用欧几里得度量表示如下：
(6)
设目标方向图为Fd(θ)，为了设计具有高辐射效率的阵列，考虑在方向图设计算法的最优化过程中增加功率约束，即
以控制权矢量的稳健性和阵增益损失。根据最小二乘误差准则，建立方向图综合优化模型如式(7)所示。
其中，ξ为预先设定的危险区最大旁瓣电平， ε为其他旁瓣方向的最大电平，θS∈Θ1(s=1, 2,…,S)、θm∈Θmain(m=1,2,…,M)和θe∈Θ2 (e=1,2,…,E)分别表示危险区旁瓣区Θ1、主瓣区Θmain和其他旁瓣区Θ2的有限采样近似，Fd(θm)为主瓣区方向(包括雷达目标方向和通信方向)的期望方向图。
(7)
4 仿真分析
条件设置：雷达发射信号为线性调频信号，噪声干扰为带通高斯噪声，复合干扰同时含有噪声干扰和密集假目标干扰，仿真数据采用下变频后的基带信号。提取干扰信号特征时，时域特征提取在脉压之后，频域特征提取在脉压之前，做500次蒙特卡洛实验进行仿真。仿真系统对不同干扰类型的识别情况，对应地采取干扰拟制技术策略，采取干扰拟制技术前后的目标检测情况，以及采取不同干扰拟制措施后抗干扰性能改善情况。
图8(a)、图8(b)分别为两个SVM分类器的训练情况，SVM1在频域矩峰度系数25和频域矩偏度系数1.9处建立了最优分类线，将噪声干扰和密集假目标干扰进行了区分。SVM2在频域包络起伏度1.6和归一化瞬时频谱最大值70处建立了最优分类线，将复合干扰和密集假目标干扰进行了区分。图8(c)为系统对噪声干扰、密集假目标干扰和复合干扰三种不干扰在不同干噪比JNR的识别概率情况。其中，噪声干扰在JNR约大于4 dB时识别概率为98%以上。密集假目标干扰在JNR约大于7 dB时识别概率为98%以上。复合干扰在JNR约大于10.5 dB时识别概率为98%以上。
图8 干扰类型识别情况
图9为针对不同的干扰信号，系统采取相应干扰拟制技术前后雷达对目标检测回波对比情况，表1为雷达抗干扰性能改善情况。噪声干扰采用的旁瓣对消干扰拟制策略，压制比改善了28.73 dB，距离威力降低了6.79%，欺骗成功概率为6.5%。密集假目标干扰采用的旁瓣匿影干扰拟制策略，将拟制前检测目标数量由80个降低到了拟制后1个，欺骗成功概率为4%。复合目标干扰采用复合样本选取旁瓣对消干扰拟制策略，压制比改善了27.54 dB，距离威力降低了9.784%，欺骗成功概率为9%。
图9 抗干扰拟制前后目标检测回波对比
表1 抗干扰性能改善情况
干扰类型干扰拟制技术抗干扰性能改善情况压制比改善距离威力降低拟制前目标数拟制后目标数欺骗成功概率噪声干扰自适应旁瓣对消28.736.79%016.5%密集假目标干扰旁瓣匿影——8014%复合干扰复合样本选取旁瓣对消27.549.84%019%
按照表2设置主动抗干扰阵列天线发射波束优化参数，在干扰方向形成低的波束副瓣零陷，同时保持雷达在目标探测空间功率要求，达到主动抗干扰拟制效果。图10为阵列天线波束优化方向图，可以看出方向图在0°出现主波束，主瓣宽度从-2°～2°，在预设的40°出现零陷，在38°到42°之间出现超低旁瓣的凹陷区域，幅度在-80 dB以下，雷达探测信号被截获概率降低了82.22%。
表2 波形优化参数
参数参数值旁瓣凹陷区域Θlow(10°,30°)主瓣区域Θmain0°±2°零陷区域Θnull40°±2°零陷峰值电平ε-80dB旁瓣峰值电平ξ-20dB加权系数约束值δ0.5凹陷旁瓣电平γ-35dB
图10 天线阵仿真方向图
5 结束语
本评估仿真系统可实现复杂电磁干扰环境的感知及特性分析，根据干扰环境采取系统有效的雷达抗干扰技术和方案，并对抗干扰效果进行评估，以模拟雷达在复杂电磁环境下的生存状况。整个仿真评估可采集各关键环节评估数据，实现针对性地分析和验证，使雷达抗干扰技术改善评估分析过程更加直观和通透。因此，本系统对雷达各种抗干扰技术运用改善效果和技术研究具有一定的实用价值。
[1] ZHANG Meng,ZHANG Xinyu,SONG Wanjie,et al. Mixed Jamming Suppression Algorithm for Phased Array Radar[J]. The Journal of Engineering,2019 (20):7179-7184.
[2] 郭新民,王旭,魏国华.岸基警戒雷达抗干扰性能评估方法[J].系统工程与电子技术,2018,40(4):768-775.
[3] 何小锋.雷达综合抗干扰效能评估方法指标研究[J].雷达与对抗,2020,40(3):11-15.
[4] 孟宪猛.低空雷达的智能抗干扰技术研究[J].舰船电子工程,2018,38(3):79-81.
[5] 安红,张雁平,杨莉,等.面向干扰/抗干扰技术研究的雷达建模方法探讨[J].航天电子对抗,2020,36(4):1-4.
[6] 孔文青,宋万杰,胡敏,等.相控阵雷达抗混合干扰算法研究[J].信号处理,2017,33(12):1625-1630.
[7] 于慧媛,阚晓博,严平.雷达抗干扰效果评估仿真系统研究[J].北华航天工业学院学报,2015,25(3):27-29.
[8] 冯明月,何明浩,郁春来,等.典型相控阵雷达抗干扰仿真平台设计与实现[J].现代防御技术,2014,42(1):159-164.
[9] 姚毅,李增辉,李建勋,等.预警雷达反干扰闭环仿真模型设计[J].现代防御技术,2018,46(1):195-201.
[10] 陈文东,汤斌.复杂电磁环境下雷达抗干扰性能评估方法[J].雷达科学与技术,2017,15(1):73-80.
CHEN Wendong,TANG Bin. A Radar ECCM Performance Evaluation Method in Complex Electromagnetic Environment[J]. Radar Science and Technology, 2017,15(1):73-80.(in Chinese)
[11] 王鑫,秦琨,秦轶炜.基于干扰认知的智能化雷达干扰对抗系统[J].电子信息对抗技术,2018,33(6):48-52.
[12] 王磊.相控阵雷达波束形成与旁瓣干扰抑制研究[D].成都：电子科技大学,2016.
[13] 曹运合,郭勇强,刘帅,等.基于旁瓣对消器的自适应零陷优化设计[J].电子与信息学报,2020,42(3):597-602.
[14] 王楠,许蕴山,夏海宝,等.一种相控阵雷达跟踪波束优化控制方法[J].导航定位学报,2019,7(1):48-53.
[15] 刘一鸣,盛文,胡冰,等.相控阵雷达长时跟踪波束调度与波形优化策略[J].航空学报,2020,41(3):268-278.
[16] 王明明.舰载相控阵雷达的自适应波束扫描技术优化[J].智能计算机与应用,2018,8(3):33-36.
