【电子科大博士论文】干货|面向目标跟踪的雷达干扰方法:提升航空器战场生存力的关键技术【附MATKAB代码】

面向目标跟踪的雷达干扰方法研究

摘要

电子干扰是电子战领域的研究热点,可通过压制、欺骗等手段削弱雷达目标跟踪能力,提升航空器战场生存率。传统雷达电子干扰方法依赖专家经验,粒度粗、自由度低,难以应对日益先进的雷达目标跟踪技术。本文针对目标函数解析表达式缺失、信息不完全、多节点协同干扰分布式任务分配等瓶颈问题,开展理论分析、方法研究与仿真验证,提出了面向单站雷达的白盒RGPO干扰、黑盒RGPO干扰(经典及改进SSO架构)及面向组网雷达的协同压制干扰四类方法。实验验证表明,这些方法能有效提升对雷达目标跟踪的干扰效果,是对现有雷达电子干扰技术的重要补充。

研究内容简介

本文围绕"提升雷达干扰针对性与有效性"核心目标,分四大方向展开研究:

  1. 面向单站雷达的白盒RGPO干扰方法:基于随机模拟优化(SSO)理论,建立雷达跟踪系统本地模拟模型,用模拟实验数据驱动干扰策略优化,解决了目标函数解析表达式缺失的制约,实现白盒场景下的精细化干扰设计。

  2. 面向单站雷达的黑盒RGPO干扰方法:针对雷达跟踪模型未知的不完全信息场景,通过多模估计理论构建本地子模拟模型拟合实际雷达模型,实现干扰性能的多模混合评估;分别基于经典SSO架构(PSO-OCBA算法)和改进SSO架构(嵌入主动学习代理模型),提升干扰策略优化效率,减轻计算负担。

  3. 改进SSO架构下的黑盒RGPO干扰优化:利用主动学习代理模型解决经典SSO架构中解空间探索与候选解性能估计的计算资源争夺问题,提出高效优化算法,进一步提升不完全信息下的干扰策略优化效率。

  4. 面向组网雷达的协同压制干扰方法 :基于联盟形成博弈理论,将多节点协同压制干扰任务分配转化为分布式优化问题,提出动态分布式任务分配算法,在达到集中式算法性能的同时,实现计算效率提升与网络去中心化。

结论

本文提出的四类雷达干扰方法,针对性解决了传统干扰技术的核心瓶颈:白盒与黑盒RGPO干扰方法突破了目标函数缺失、信息不完全带来的设计难题,实现单站雷达跟踪的精准干扰;改进SSO架构进一步提升了黑盒干扰的优化效率;组网雷达协同压制干扰方法则解决了多节点任务分配的集中式局限,实现动态分布式协同。实验验证表明,所有方法均能有效提升干扰效果,显著优于传统UV-RGPO、UA-RGPO等干扰策略及集中式、固定式任务分配算法,为雷达电子干扰的精细化、智能化发展奠定了基础,对提升航空器战场生存率具有重要实践意义。

相关推荐
木子算法3 天前
不是重心也不是中点:费马—韦伯点、它的最优性条件与迭代求解
人工智能·算法·目标跟踪
YOLO数据集集合3 天前
天空红外小目标检测数据集 | 红外小目标 天空目标检测 无人机检测 鸟类识别 低空安防9099期
人工智能·目标检测·计算机视觉·目标跟踪·无人机·无人机视角·直升机检测
江屿风3 天前
【认识深度学习】【深度学习分类与计算机视觉任务要点解析】流食般投喂
大数据·人工智能·深度学习·计算机视觉·目标跟踪·自然语言处理·语音识别
YOLO数据集集合4 天前
智慧工业工地安全防护检测数据集 | 工业安全 防护装备检测 安全帽识别 口罩检测 9097期
人工智能·目标检测·计算机视觉·目标跟踪·智慧工地·工地
YOLO数据集集合5 天前
高铁轨道紧固件损坏检测数据集 | 高铁巡检 紧固件缺陷 轨道安全9093期
人工智能·目标检测·计算机视觉·目标跟踪·轨道·铁轨紧固件·铁轨
YOLO数据集集合5 天前
光伏板红外-可见光配对缺陷检测数据集 | 光伏板缺陷 红外可见光配准 多模态检测 无人机巡检 目标检测 YOLO格式9094期
人工智能·目标检测·计算机视觉·目标跟踪·红外·无人机视角·太阳能板
YOLO数据集集合5 天前
无人机航拍地面目标检测数据集 | 无人机航拍 地面目标检测 坦克识别 人员检测 俯视视角 目标检测9092期
人工智能·目标检测·计算机视觉·目标跟踪·无人机航拍·军事图像·坦克识别
木子算法6 天前
测出来的值会抖:约束和目标带噪声时,「可行」和「更好」该怎么判
人工智能·算法·目标跟踪
木子算法8 天前
非凸、离散、还耦合:论文里的求解方法是一条四步流水线
人工智能·算法·目标跟踪
YOLO数据集集合8 天前
Anti-UAV 可见光与红外无人机检测数据集| 反无人机 可见光红外 多模态检测 小目标检测 Anti-UAV9076期
人工智能·目标检测·计算机视觉·目标跟踪·无人机识别·反无人机·灾害救援