基于自適應(yīng)遺傳算法的電子支援偵察搜索方式設(shè)計(jì)

杜 浩，畢大平，2，李敏樂(lè)

(1. 電子工程學(xué)院503教研室, 合肥 230037； 2. 安徽省電子制約技術(shù)重點(diǎn)實(shí)驗(yàn)室， 合肥 230037)

?

·信號(hào)處理·

基于自適應(yīng)遺傳算法的電子支援偵察搜索方式設(shè)計(jì)

杜 浩1，畢大平1，2，李敏樂(lè)1

(1. 電子工程學(xué)院503教研室, 合肥 230037； 2. 安徽省電子制約技術(shù)重點(diǎn)實(shí)驗(yàn)室， 合肥 230037)

電子支援偵察是雷達(dá)對(duì)抗偵察的重要組成部分，主要借助已有情報(bào)信息對(duì)高威脅目標(biāo)進(jìn)行核實(shí)精測(cè)，對(duì)時(shí)效性和精確性具有較高的要求。傳統(tǒng)的搜索方式多為周期步進(jìn)或區(qū)間搜索，與電子支援偵察的任務(wù)特性和搜索要求并未完全契合，面對(duì)不同環(huán)境和任務(wù)的靈活性較差。文中基于自適應(yīng)遺傳算法對(duì)電子支援偵察的搜索方式進(jìn)行設(shè)計(jì)：每一條染色體對(duì)應(yīng)一種偵察搜索方式，染色體的基因值和基因位分別對(duì)應(yīng)該時(shí)刻偵察系統(tǒng)的偵察區(qū)間和偵察系統(tǒng)在不同區(qū)間的停留順序，以截獲概率為適應(yīng)度函數(shù)進(jìn)行染色體的誘導(dǎo)變異，得到的最優(yōu)染色體即為當(dāng)前環(huán)境和任務(wù)下的最佳搜索方式。理論推導(dǎo)和實(shí)驗(yàn)仿真驗(yàn)證了該搜索方式的可行性和有效性。

電子支援偵察；遺傳算法；自適應(yīng)搜索；截獲概率

0 引 言

雷達(dá)對(duì)抗偵察通?？梢苑譃殡娮忧閳?bào)偵察、電子支援偵察和雷達(dá)告警等類(lèi)型[1]。各類(lèi)對(duì)抗偵察系統(tǒng)的目的都是為了獲取敵方輻射源(主要是雷達(dá))的技術(shù)參數(shù)和戰(zhàn)術(shù)情報(bào)，但各類(lèi)偵察方式的任務(wù)要求和應(yīng)用背景有著較為顯著的差異。電子情報(bào)偵察多用于未知的長(zhǎng)期情報(bào)搜集；電子支援偵察則主要用于特定戰(zhàn)場(chǎng)環(huán)境下重點(diǎn)目標(biāo)群的搜索和驗(yàn)證，目標(biāo)情報(bào)信息通常較為詳實(shí)，但偵察時(shí)效性和精確性要求較高[2]。為了提高目標(biāo)信號(hào)的截獲效率，需采用一定的搜索方式，對(duì)頻域和空域進(jìn)行有側(cè)重的搜索。但在實(shí)際情報(bào)信息搜索過(guò)程中，兩種類(lèi)型的偵察系統(tǒng)在搜索方式上并未嚴(yán)格區(qū)分，均采用周期性搜索或特定區(qū)間搜索?？紤]到電子支援偵察是對(duì)特定目標(biāo)情報(bào)信息的核實(shí)和精測(cè)，前期的偵察數(shù)據(jù)較為詳實(shí)，偵察記錄有跡可循，領(lǐng)域?qū)＜覍?duì)目標(biāo)有著較為充分的研究。因此，在信號(hào)的偵察過(guò)程中，應(yīng)當(dāng)可以結(jié)合目標(biāo)數(shù)據(jù)庫(kù)、專(zhuān)家知識(shí)庫(kù)、已有偵察記錄等信息，針對(duì)性地引導(dǎo)偵察的頻率和方位，形成高效的搜索調(diào)度方法。

電子偵察的工作流程大致分為信號(hào)截獲、檢測(cè)、處理分析、輻射源識(shí)別[3]四個(gè)階段，而信號(hào)截獲是后續(xù)行動(dòng)的先決條件。Self和Smith[4]較早對(duì)雷達(dá)信號(hào)的截獲問(wèn)題進(jìn)行了研究，通過(guò)采用窗口函數(shù)對(duì)信號(hào)的截獲事件進(jìn)行建模，并根據(jù)統(tǒng)計(jì)平均的方式推導(dǎo)得到了周期信號(hào)最大截獲時(shí)間的計(jì)算公式，為搜索方式的選取和評(píng)估提供了重要依據(jù)。Vaughn I[5]以最大截獲時(shí)間為準(zhǔn)則，采用數(shù)論和丟番圖近似的方法，對(duì)電子支援偵察的搜索方式進(jìn)行了設(shè)計(jì)，通過(guò)對(duì)偵察系統(tǒng)在不同頻段的停留時(shí)間進(jìn)行分配，有效避免了周期搜索方式下偵察目標(biāo)和偵察系統(tǒng)之間的“同步問(wèn)題”(同步指目標(biāo)和偵察系統(tǒng)均采用周期掃描，二者的周期相近或成比例時(shí)，偵察系統(tǒng)很難截獲到目標(biāo)信號(hào)的情況)。但避免同步現(xiàn)象僅提升了系統(tǒng)的搜索性能下限，搜索的實(shí)時(shí)性和靈活性仍有較大的提升空間。Edwin D[6]對(duì)先驗(yàn)信息不充分情況下的優(yōu)化搜索問(wèn)題進(jìn)行了研究，提出了基于連續(xù)時(shí)間馬爾科夫過(guò)程的隨機(jī)搜索方式，使偵察系統(tǒng)的最大截獲時(shí)間隨雷達(dá)掃描周期的增大而線性增長(zhǎng)，但采用的搜索方式為隨機(jī)方式，搜索行為的可控性不強(qiáng)。Winsor C[7]采用遺傳算法對(duì)信道化接收體制的偵察系統(tǒng)進(jìn)行了研究，為搜索方式的設(shè)計(jì)提供了新的思路，但由于算法設(shè)計(jì)中的適應(yīng)度函數(shù)構(gòu)建較復(fù)雜，遺傳算法未結(jié)合接收機(jī)特性進(jìn)行改進(jìn)，導(dǎo)致算法的收斂速度慢、偵察耗時(shí)較長(zhǎng)。

本文在文獻(xiàn)[7]的基礎(chǔ)上，將搜索方式建模為遺傳算法中的染色體，將搜索方式的設(shè)計(jì)問(wèn)題轉(zhuǎn)為對(duì)染色體尋優(yōu)問(wèn)題的求解。通過(guò)對(duì)遺傳算法的適應(yīng)度函數(shù)進(jìn)行重新設(shè)計(jì)，對(duì)染色體的交叉變異過(guò)程進(jìn)行自適應(yīng)誘導(dǎo)變異，改進(jìn)了算法的適用性，提高了搜索方式在特定環(huán)境和任務(wù)要求下的針對(duì)性和靈活性。實(shí)驗(yàn)仿真表明：該方法相比傳統(tǒng)搜索方式，對(duì)電子支援偵察系統(tǒng)的截獲性能提升較為明顯。

1 偵察截獲模型建立

圖1所示為三窗口函數(shù)的示例，窗口函數(shù)1表示雷達(dá)的天線轉(zhuǎn)動(dòng)規(guī)律，函數(shù)峰值表示該時(shí)間段雷達(dá)天線波束照射到偵察系統(tǒng)；窗口函數(shù)2表示偵察系統(tǒng)的頻率搜索規(guī)律，函數(shù)峰值表示該時(shí)間段偵察系統(tǒng)的頻率覆蓋范圍包含對(duì)方雷達(dá)的工作頻率；窗口函數(shù)3表示偵察系統(tǒng)的天線轉(zhuǎn)動(dòng)規(guī)律，函數(shù)峰值表示該時(shí)間段偵察系統(tǒng)天線波束照射到雷達(dá)。三個(gè)窗口函數(shù)的重合部分表示該時(shí)間段內(nèi)偵察系統(tǒng)能夠截獲到雷達(dá)信號(hào)。

圖1 將不同維度的截獲條件用窗口函數(shù)表示

2 基于遺傳算法的搜索方式設(shè)計(jì)

2.1 自適應(yīng)遺傳算法原理

遺傳算法借鑒了“優(yōu)勝劣汰”的自然界法則，是一種并行的隨機(jī)搜索算法，被廣泛應(yīng)用于人工智能、系統(tǒng)仿真、運(yùn)籌管理等領(lǐng)域[9-11]。但遺傳算法自身存在不少待完善的地方，尤其是算法的收斂速度和收斂性之間存在矛盾。受生物學(xué)中人工誘導(dǎo)變異方法的啟發(fā)，采用誘導(dǎo)變異方法對(duì)算法進(jìn)行改進(jìn)。

如圖2所示，為了提升后代染色體的適應(yīng)度，本文在交叉變異環(huán)節(jié)，根據(jù)適應(yīng)度函數(shù)確定出適應(yīng)度較大的個(gè)體，對(duì)該部分個(gè)體進(jìn)行分析得到各染色體的基因序列，并對(duì)各基因值和對(duì)應(yīng)位置的出現(xiàn)規(guī)律進(jìn)行統(tǒng)計(jì)。統(tǒng)計(jì)得到的出現(xiàn)概率較高的基因值和所在染色體的位置即為優(yōu)秀基因值和基因位。在本文的應(yīng)用背景下，優(yōu)秀基因值和基因位置表明，在該時(shí)刻偵察系統(tǒng)如果對(duì)基因值對(duì)應(yīng)的頻率區(qū)間進(jìn)行偵察更有可能截獲到目標(biāo)，它們?yōu)閭刹煜到y(tǒng)的最佳搜索行為提供了具體的建議。

圖2 誘導(dǎo)變異方法流程

2.2 搜索方式模型建立

信道化接收機(jī)具有良好的頻率選擇性、高靈敏度和寬瞬時(shí)頻率覆蓋范圍，典型的信道化接收機(jī)可以瞬時(shí)覆蓋偵察頻域的10%～20%。將偵察頻域根據(jù)信道化接收機(jī)的瞬時(shí)頻率覆蓋范圍進(jìn)行等間隔劃分，則信道化接收機(jī)的搜索只需在5～10個(gè)偵察區(qū)間進(jìn)行切換。根據(jù)遺傳算法的理論，遺傳算法中的每一條染色體對(duì)應(yīng)一種偵察搜索方式，染色體的每一個(gè)基因由整數(shù)構(gòu)成，對(duì)應(yīng)該時(shí)刻偵察系統(tǒng)正在偵察的頻率區(qū)間，基因在染色體上的排列次序?qū)?yīng)偵察系統(tǒng)在不同區(qū)間的停留順序。圖3所示為搜索方式與染色體的對(duì)應(yīng)關(guān)系，根據(jù)偵察系統(tǒng)的瞬時(shí)頻率覆蓋范圍將待偵察頻域均勻劃分成10個(gè)區(qū)間，并予以編號(hào)，偵察系統(tǒng)單位時(shí)間內(nèi)僅對(duì)某一區(qū)間進(jìn)行偵察。遺傳算法生成的染色體長(zhǎng)度與偵察所需的總時(shí)間相等，染色體上的基因位置對(duì)應(yīng)偵察的具體時(shí)刻，基因的數(shù)值(取整數(shù)0～9)對(duì)應(yīng)該時(shí)刻偵察系統(tǒng)的偵察區(qū)間，通過(guò)構(gòu)建染色體可對(duì)偵察系統(tǒng)的每一個(gè)時(shí)刻的偵察行為進(jìn)行精確控制。

圖3 搜索方式與染色體的對(duì)應(yīng)關(guān)系

2.3 算法適應(yīng)度函數(shù)設(shè)計(jì)

由于偵察策略主要用于短時(shí)間內(nèi)特定目標(biāo)群的精測(cè)和驗(yàn)證，適應(yīng)度函數(shù)采用各目標(biāo)截獲概率的加權(quán)和P。

目前通用的截獲概率計(jì)算方法是將各維度的截獲事件采用泊松流描述，根據(jù)各窗口函數(shù)的平均窗口寬度τi和平均搜索周期Ti進(jìn)行計(jì)算，T時(shí)間內(nèi)k次截獲的概率為[12]

T≥0, k=1,2,…

(1)

考慮到遺傳算法生成的初始種群為一系列隨機(jī)數(shù)列，每個(gè)數(shù)字的重現(xiàn)頻率不滿(mǎn)足周期性，采用式(1)計(jì)算將存在較大的誤差，不能正確反映截獲性能。

如圖4所示，現(xiàn)將各維度窗口函數(shù)經(jīng)過(guò)采樣得到0和1組成的數(shù)列，將染色體分別按照是否停留在特定頻率區(qū)間化為若干條數(shù)字序列(數(shù)列只有0和1構(gòu)成，1表示該時(shí)刻停留在區(qū)間內(nèi)，0表示不在該區(qū)間)，將各數(shù)列按位進(jìn)行“與”運(yùn)算，對(duì)運(yùn)算得到的數(shù)列中數(shù)字1的位置和數(shù)目進(jìn)行統(tǒng)計(jì)分析。1的數(shù)量和連續(xù)出現(xiàn)的位數(shù)為成功截獲該雷達(dá)信號(hào)的次數(shù)和截獲的持續(xù)時(shí)間。

圖4 染色體與窗口函數(shù)采樣序列的運(yùn)算過(guò)程

實(shí)際情況下，雷達(dá)的開(kāi)機(jī)時(shí)間無(wú)法獲取，即空域窗口函數(shù)的初始相位φi無(wú)法確定，需要根據(jù)采樣精度對(duì)初始相位不同取值下的截獲情況逐一統(tǒng)計(jì)，將能夠截獲目標(biāo)的取值個(gè)數(shù)除以總?cè)≈祩€(gè)數(shù)，即為該目標(biāo)的截獲概率pi

(2)

式中：Na為初始相位的取值個(gè)數(shù)；Nb為數(shù)列R(φj)的位數(shù)；R(φj)為初始相位φj條件下各數(shù)列“與”運(yùn)算的結(jié)果。

總截獲概率P的計(jì)算公式為

(3)

式中：hi為目標(biāo)的優(yōu)先級(jí)(取值越大，優(yōu)先級(jí)越高)；pi為目標(biāo)i的截獲概率；N為待偵察目標(biāo)的個(gè)數(shù)。

2.4 算法運(yùn)算步驟

步驟1 確定染色體長(zhǎng)度、基因的取值范圍，產(chǎn)生初始種群；

步驟2 計(jì)算種群的適應(yīng)度，并按升序排列，分別用B1(t)～B10(t)表示；

步驟3 分別對(duì)B3(t)～B10(t)進(jìn)行優(yōu)秀基因位的統(tǒng)計(jì)，將優(yōu)秀基因值保存到T3～T10；

步驟4 根據(jù)步驟3中的T3～T10的值對(duì)B3(t+1)～B10(t+1)誘導(dǎo)變異[13]。隨機(jī)產(chǎn)生2個(gè)新個(gè)體賦值給B1(t+1)和B2(t+1)；

步驟5 判斷是否達(dá)到設(shè)定的迭代次數(shù)，達(dá)到則結(jié)束，否則t=t+1，執(zhí)行步驟3。

3 理論分析和場(chǎng)景仿真

3.1 算法收斂性分析

根據(jù)算法的運(yùn)算步驟可知，種群在第t+1代的狀態(tài)只與第t代種群狀態(tài)有關(guān)，與之前的代數(shù)無(wú)關(guān)，種群是有限集，故可以采用有限齊次馬爾科夫過(guò)程進(jìn)行分析描述[14]。

以Xi表示t=i時(shí)刻的狀態(tài)，以Pi表示處于狀態(tài)Xi的概率，以Pi,j表示狀態(tài)Xi→Xj的轉(zhuǎn)移概率，P表示狀態(tài)轉(zhuǎn)移矩陣。

(4)

則

(5)

又

(6)

將上式代入，則

(7)

又

(8)

綜上可得

(9)

即迭代次數(shù)足夠大時(shí)，文中的算法能搜索到全局最優(yōu)值。

3.2 場(chǎng)景仿真及分析

下面對(duì)本文的搜索方式通過(guò)場(chǎng)景仿真，進(jìn)一步分析截獲性能。某次偵察任務(wù)，需要在盡可能短的時(shí)間內(nèi)對(duì)下列11部雷達(dá)的工作參數(shù)和開(kāi)機(jī)與否進(jìn)行精測(cè)和核實(shí)。偵察目標(biāo)工作參數(shù)如表1所示。

表1 待偵察目標(biāo)清單

偵察系統(tǒng)采用信道化體制的接收機(jī)，瞬時(shí)頻率覆蓋范圍為600 MHz，偵察范圍為0.3 GHz～8 GHz。分別針對(duì)常規(guī)周期往復(fù)搜索方式(搜索行為如圖5所示，對(duì)應(yīng)的截獲概率為P1)、只在目標(biāo)群所在頻率區(qū)間(以下簡(jiǎn)稱(chēng)參考區(qū)間)周期往復(fù)搜索(搜索行為如圖6所示，對(duì)應(yīng)的截獲概率為P2)和基于遺傳算法的搜索(P3)三種方式，每個(gè)頻率區(qū)間的停留時(shí)間為0.1 s和0.05 s兩種情況下，相同觀測(cè)時(shí)長(zhǎng)時(shí)的截獲性能進(jìn)行比較分析。

圖5 常見(jiàn)周期往復(fù)搜索示意圖

圖6 參考區(qū)間周期往復(fù)搜索示意圖

圖7、圖8所示分別為停留時(shí)間是0.05 s和0.1 s時(shí)三種搜索方式的性能對(duì)比。

圖7 單次停留時(shí)間為0.05 s時(shí)搜索方式性能對(duì)比

圖8 單次停留時(shí)間為0.1 s時(shí)搜索方式性能對(duì)比

通過(guò)分析可得到如下結(jié)論：

(1)三種搜索方式中，基于遺傳算法的搜索方式截獲概率是最高的。這是因?yàn)樘岣呓孬@概率的關(guān)鍵是提高各窗口函數(shù)的峰值重疊部分。對(duì)于周期往復(fù)的搜索方式，各窗口函數(shù)的形狀均是固定的，若要提高峰值的重疊部分只能借助增加搜索時(shí)間，不能對(duì)窗口函數(shù)的峰值長(zhǎng)度和峰值位置進(jìn)行調(diào)整；基于遺傳算法的搜索方式，通過(guò)多代遺傳變異得到最優(yōu)染色體，偵察系統(tǒng)對(duì)應(yīng)的窗口函數(shù)的峰值長(zhǎng)度和峰值位置得到了針對(duì)性的設(shè)計(jì)，當(dāng)搜索時(shí)間延長(zhǎng)時(shí)，峰值的重疊部分會(huì)增加的很快，由此實(shí)現(xiàn)高截獲概率。

(2)單次停留時(shí)間為0.05 s時(shí)的搜索方式截獲概率略高于停留時(shí)間為0.1 s的搜索方式。采用較短的停留時(shí)間進(jìn)行周期搜索，能夠提高偵察系統(tǒng)對(duì)不同區(qū)間的搜索頻次，同樣可以提高對(duì)不同窗口函數(shù)的重合機(jī)會(huì)，但停留時(shí)間不應(yīng)過(guò)短，否則窗口函數(shù)的峰值部分會(huì)太小，不利于實(shí)現(xiàn)與其他窗口函數(shù)的峰值匹配?；谶z傳算法的搜索方式，停留時(shí)間減小，則對(duì)應(yīng)染色體上的基因數(shù)目增多，從而使基因排布的靈活性增強(qiáng)，頻率搜索的控制精度增高，減少了時(shí)間上的浪費(fèi)；但與此同時(shí)，對(duì)遺傳算法的收斂速度要求更高(需要更多的進(jìn)化代數(shù)才能得到最優(yōu)解)。

(3)常規(guī)搜索的截獲概率隨時(shí)間的增幅比較恒定，而后兩種方式在觀測(cè)超過(guò)40 s后，截獲概率的增長(zhǎng)速度均放緩。P3的增長(zhǎng)放緩是由于此時(shí)截獲概率已經(jīng)趨近于1，算法的尋優(yōu)結(jié)果趨于穩(wěn)定。P2增長(zhǎng)的放緩是由于截獲概率是11個(gè)偵察目標(biāo)截獲概率的加權(quán)和，天線波束寬度寬、脈沖重復(fù)間隔(PRI)短的目標(biāo)能夠隨觀測(cè)時(shí)間的增長(zhǎng)實(shí)現(xiàn)高截獲概率；但天線波束寬度窄、PRI長(zhǎng)的目標(biāo)，對(duì)應(yīng)維度的窗口函數(shù)的峰值部分短、重復(fù)周期長(zhǎng)，短時(shí)間內(nèi)不易實(shí)現(xiàn)各函數(shù)峰值的重合；隨著觀測(cè)時(shí)長(zhǎng)的增加，部分目標(biāo)的截獲概率增長(zhǎng)較快，短時(shí)間內(nèi)達(dá)到很高的值，而另一部分目標(biāo)較難截獲，單純?cè)黾佑^測(cè)時(shí)長(zhǎng)，效果不明顯。P1的增長(zhǎng)趨勢(shì)比較穩(wěn)定是由于該搜索方式尚未對(duì)容易搜索到的目標(biāo)實(shí)現(xiàn)最佳截獲，可以預(yù)見(jiàn)，當(dāng)觀測(cè)時(shí)間繼續(xù)增大時(shí)，P1的后續(xù)增長(zhǎng)也會(huì)出現(xiàn)同P2相似的情形。

(4)觀測(cè)時(shí)長(zhǎng)變長(zhǎng)，三種搜索方式的截獲概率均增大。這是由于觀測(cè)時(shí)間增大，不同維度的窗口函數(shù)實(shí)現(xiàn)重合的機(jī)會(huì)變多。

圖9所示為單次停留時(shí)間為0.05 s，觀測(cè)時(shí)長(zhǎng)分別為10 s、20 s、30 s、40 s時(shí)遺傳算法的性能曲線。不同觀測(cè)時(shí)長(zhǎng)下的初始截獲概率的大小處于常規(guī)周期搜索和參考區(qū)間周期搜索兩種方式的性能之間，經(jīng)過(guò)140代左右的進(jìn)化，算法的性能逐漸穩(wěn)定，最終截獲概率較初始值提高了0.2左右，迭代過(guò)程中有時(shí)會(huì)陷入局部收斂，但由于采用了自適應(yīng)誘導(dǎo)變異經(jīng)過(guò)20代左右的時(shí)間能夠擺脫局部收斂。

圖9 基于遺傳算法的搜索方式性能(停留時(shí)間為0.05 s)

4 結(jié)束語(yǔ)

本文主要研究了一種基于改進(jìn)型遺傳算法的雷達(dá)對(duì)抗偵察搜索方式。適應(yīng)度函數(shù)的設(shè)計(jì)采用對(duì)窗口函數(shù)采樣、采樣數(shù)列進(jìn)行“與”運(yùn)算、運(yùn)算得到的數(shù)列按位相加統(tǒng)計(jì)等步驟，為非周期搜索方式下的截獲概率計(jì)算提供了一種快捷可行的求解途徑。通過(guò)自適應(yīng)誘導(dǎo)變異提升了遺傳算法的性能。基于改進(jìn)型遺傳算法的搜索方式利用了信道化接收機(jī)的寬瞬時(shí)頻率覆蓋范圍等優(yōu)點(diǎn)，使偵察系統(tǒng)能夠根據(jù)當(dāng)前環(huán)境下的搜索任務(wù)采取針對(duì)性地搜索方式，相較傳統(tǒng)的周期性步進(jìn)搜索方式提高了重點(diǎn)目標(biāo)群的截獲概率，減少了搜索時(shí)間，為后續(xù)的信號(hào)處理奠定了良好的基礎(chǔ)。

[1] WILEY R G. 電子情報(bào)(ELINT): 雷達(dá)信號(hào)截獲與分析[M]. 呂躍廣, 譯. 北京:電子工業(yè)出版社, 2008. WILEY R G. Electronic intelligence: radar signal acquisition and analysis [M]. Lü Yueguang, translate. Beijing: Pubishing House of Electronics Industry, 2008.

[2] 姜秋喜. 網(wǎng)絡(luò)雷達(dá)對(duì)抗系統(tǒng)導(dǎo)論[M]. 北京: 國(guó)防工業(yè)出版社，2010. JIANG Qiuxi. Introduction to network radar countermeasure systems[M]. Beijing: National Defense Industry Press, 2010.

[3] VAUGHN I. CLARKSON L. The farey series in synchronization and intercept-time analysis for electronic support[J]. Transactions of the AOC, 2004, 1(1): 7-28.

[4] SELF A G, SMITH B G. Intercept time and its prediction[J]. IEE Proceedings,1985,13(2): 215-220.

[5] VAUGHN I, CLARKSON L. Optimization of periodic search strategies for electronic support[J]. IEEE Transactions on Aerospace Electronic Systems, 2011, 47(3): 1770-1784.

[6] EDWIN D. MAHASSNI E, STEPHEN D, et al. A markov-chain model for sensor scheduling in electronic support[J]. IEE Proceedings of Radar, Sonar & Navigation, 2006, 153(4): 325-332.

[7] WINSOR C, HUGHES E J. Optimization and evaluation of receiver search strategies for electronic support[J]. IET Radar, Sonar and Navigation, 2012, 6(4): 233-240.

[8] 胡來(lái)招. 雷達(dá)偵察接收機(jī)設(shè)計(jì)[M]. 北京: 國(guó)防工業(yè)出版社, 2000. HU Laizhao. Design for radar reconnaissance receivers[M]. Beijing: National Defense Industry Press, 2000.

[9] 楊正龍, 張 銳, 楊文軍, 等. 基于遺傳算法的網(wǎng)格化球頂相控陣波束綜合[J]. 現(xiàn)代雷達(dá), 2016, 38(3): 70-74. YANG Zhenglong, ZHANG Rui, YANG Wenjun, et al. Radiation pattern synthesis for geodesic dome phased array antenna based on genetic algorithm[J]. Modern Radar, 2016, 38(3): 70-74.

[10] 朱 玲, 江朝抒, 陳祝明,等. 基于矩估計(jì)的遺傳算法雜波幅度模型參數(shù)估計(jì)[J]. 現(xiàn)代雷達(dá), 2009, 31(12): 53-56. ZHU Ling, JIANG Chaoshu, CHEN Zhuming, et al. Genetic algorithm applied to parameter estimation for clutter amplitude model based on MOM[J]. Modern Radar, 2009, 31(12):53-56.

[11] 王 鵬, 譚賢四, 王 紅,等. 基于遺傳算法的地面中重頻PD雷達(dá)PRF組選擇[J]. 現(xiàn)代雷達(dá), 2008, 30(9): 33-35. WANG Peng, TAN Xiansi, WANG Hong, et al. PRF set selection for ground-based MPRF PD radar based on generic algorithm[J]. Modern Radar, 2008, 30(9): 33-35.

[12] 趙國(guó)慶. 雷達(dá)對(duì)抗原理[M]. 西安: 西安電子科技大學(xué)出版社, 2012. ZHAO Guoqing. Principles of radar countermeasure[M]. Xi′an: Xidian University Press, 2012.

[13] 梁亞瀾, 聶長(zhǎng)海. 覆蓋表生成的遺傳算法配置參數(shù)優(yōu)化[J]. 計(jì)算機(jī)學(xué)報(bào), 2012, 35(7): 1522-1538. LIANG Yalan, NIE Changhai. The optimization of configurable genetic algorithm for covering arrays generation[J]. Chinese Journal of Computers, 2012,35(7): 1522-1538.

[14] 曹 凱, 陳國(guó)虎, 江 樺. 自適應(yīng)引導(dǎo)進(jìn)化遺傳算法[J]. 電子與信息學(xué)報(bào), 2014, 36(8): 1884-1890. CAO Kai, CHEN Guohu, JIANG Hua. Guided self-adaptive evolutionary genetic algorithm[J]. Journal of Electronics & Information Technology, 2014,36(8):1884-1890.

杜 浩 男，1990年生，碩士研究生。研究方向?yàn)殡娮訉?duì)抗裝備。

畢大平 男，1965年生，教授，博士生導(dǎo)師。研究方向?yàn)殡娮訉?duì)抗裝備新技術(shù)。

李敏樂(lè) 男，1992年生，碩士研究生。研究方向?yàn)槔走_(dá)對(duì)抗偵察技術(shù)。

Search Strategy Design for Electronic Support Measure Based on Adaptive Genetic Algorithm

DU Hao1，BI Daping1,2，LI Minle1

(1. Department of 503, Electronic Engineering Institute, Hefei 230037, China)(2. Key Laboratory of Electronic Restriction, Anhui Province, Hefei 230037, China)

Electronic support measure is an important part of radar reconnaissance, mainly through existing intelligence information on the high level threat emitters to make high precision measurement or verification. Such operation heavily demands on timeliness and accuracy. Traditional search mode tends to be periodic pattern or stayed on certain region, which is not fully fit with the emitters' characteristics or the task requirement and possesses poor flexibility. Based on the adaptive genetic algorithm, this paper designs and analyzes the search strategy of electronic support measure. Each chromosome corresponds to a search strategy; the gene value of the chromosome and the position of the gene corresponds to the search intervals and the dwell sequence of search strategy separately. Based on the fitness function, which is calculated by the intercept probability, chromosomes take induced mutation to find the optimal offspring which is also the desired search strategy confronted with the current environment. Theoretical derivation and experimental simulation verify the feasibility and effectiveness of this method.

electronic support measure; genetic algorithm; adaptive search; intercept probability

10.16592/ j.cnki.1004-7859.2016.11.005

杜浩 Email：kevindu0930@163.com

2016-08-15

2016-10-13

TN957.51

A

1004-7859(2016)11-0018-06