电话 | 010-82030532 手机 | 18501361766
微信 | tech99999 邮箱 | yw@techxcope.com
摘要:基于现代战场上面临的电磁环境复杂、成功突防难度大的问题,提出一种基于深度学习技术的智能电子对抗系统设计方法。通过将战场上复杂电磁信号的信号类型、威胁等级、干扰策略、效果因子进行量化表征,生成海量数据样本;构建深度学习神经网络模型,并利用生成的数据样本完成模型训练,使模型具备实时感知已知、未知战场射频信号威胁,并生成优化干扰策略的能力;提出一种基于该模型的攻防对抗仿真方法,用于对于认知电子对抗技术进行仿真验证。
关键词:智能;认知;电子对抗;深度学习
1 认知电子战技术研究现状
1.1 自适应雷达对抗(AdaptiveRadar Countermeasures, ARC)项目
1.2 自适应电子战行为学习(BehavioralLearning for Adaptive Electronic Warfare, BLADE)项目
1.3 美空军认知干扰机(CognitiveJammer, CJ)项目
1.4 美海军下一代电子战技术(CognitiveEW Tomorrow)项目
2 认知电子对抗技术研究方法
图1 认知电子对抗技术研究路线
3 战场环境下智能信号分选与威胁评估
3.1 战场射频信号的量化表征
图2 信号表征模型
3.2 组建导弹威胁评估模型
图3 战场威胁评估方法
4 智能干扰策略生成
4.1 干扰策略生成
4.2 闭环在线评估与闭环干扰
5 基于深度学习的威胁决策模型设计与训练
图4 模型设计与训练流程
5.1 数据样本生成
5.2 模型组建
图5 基于多层神经网络的模型
5.3 模型训练
5.4 干扰策略生成结果预测
6 典型作战场景下智能电子对抗仿真
6.1 仿真原则
图6 电子对抗仿真平台架构
6.2 攻防设计
6.3 对抗仿真
7 结论