基于遗传算法的电子对抗侦察搜索策略控制方法_袁鑫.pdf

ELECTRONICSQUALITYELECTRONICS QUALITY基于遗传算法的电子对抗侦察搜索策略控制方法袁鑫，江浩，黎龙燕，唐悟甲，杨会华（西南电子设备研究所，四川 成都610036）摘 要：在电子对抗侦察中，搜索策略主要控制侦察设备的工作频率范围、工作方位范围、衰减和驻留时间等参数。面对战场中越来越复杂的电磁环境，电子对抗侦察设备通常需要对多目标进行侦收，通过手动控制的方式，难以满足动态变化的战场态势要求。针对搜索策略中需要频繁切换、设置的起始频率、终止频率、起始方位和终止方位等4个参数，设计了一套基于遗传算法的控制方法。通过仿真验证，证明该方法可靠有效，能够针对搜索任务给出合适的搜索策略。关键词：遗传算法；搜索策略；电子对抗侦察中国分类号：TP 18文献标识码：A文章编号：1003-0107（2023）06-0078-04doi:10.3969/j.issn.1003-0107.2023.06.018Genetic Algorithm-based Control Method for ElectronicCountermeasure Detection and Search StrategyYUAN Xin，JIANG Hao，LI Longyan，TANG Wujia，YANG Huihua（Southwest China Research Institute of Electronic Equipment，Chengdu 610036，China）Abstract：In electronic countermeasures reconnaissance，the search strategy mainly controls parameters such as op-erating frequency range，operating bearing range，attenuation and duell time of the reconnaissance equipment.Fac-ing the increasingly complex electromagnetic environment in the battlefield，electronic countermeasure reconnaissanceequipment usually needs to detect and collect multiple targets，and it is difficult to meet the requirement of dynamical-ly changing battlefield posture through manual control.A set of control methods based on genetic algorithm is de-signed for the four parameters of start frequency，termination frequency，start orientation and termination orientationthat need to be frequently switched and set in the search strategy.By simulation，it is verified that the method is reli-able and effective，and can give a suitable search strategy for the search task.Keywords：genetic algorithm；search strategy；electronic warfare reconnaissance收稿日期：2022-11-09修回日期：2022-12-06作者简介：袁鑫（1990），男，四川成都人，西南电子设备研究所工程师，硕士，从事电子对抗设备系统控制工作。0引言电子对抗侦察是指使用电子对抗侦察设备，截获敌方辐射的电磁信号，以获取敌方电子信息系统的技术特征参数、位置、类型、用途、相关武器和平台等情报的侦察1。搜索策略明确了设备分配频域、空域等资源的方式，通常包含了设备工作时的起始频率、终止频率、起始方位、终止方位、衰减和驻留时间等要素。目前，搜索策略由操作员手动编辑、下发。当周边电磁环境较为复杂，需要控制多个侦察接收机去覆盖多个侦察目标时，手动调整搜索策略难以满足实时作战要求。搜索策略控制，主要是要控制侦察接收机的工作频域和工作空域，使其能够覆盖目标的工作782023.06ELECTRONICS QUALITY频率和空间方位，衰减和驻留时间通常使用默认值。搜索策略控制，本质上是控制系统工作频域和空域的资源分配问题，是一个多项式复杂程度的 非 确 定 性（NP：Non-deterministic PolynomialProblems）问题。遗传算法作为一种高效使用、鲁棒性强的优化技术2，在解决资源分配NP问题领域得到了广泛的应用3，能够解决干扰资源分配4、作业调度5和充电控制等问题6。1模型建立为了分析搜索策略的控制问题，先建立该问题的数学模型。现假设有一型电子侦察设备，其具有m个接收机，在其侦察范围内有n个辐射源。考虑到本算法应用场景是要控制侦察设备的搜索策略，可以假设只要接收机的工作频域和工作空域均覆盖了辐射源，则该辐射源被此接收机截获的概率为100%。将这n个辐射源，分别记为a1，a2，a3，an。从侦察装备位置观察，这n个辐射源的绝对方位分别记为d1，d2，d3，dn。假设这n个辐射源均工作在固定频点，工作频点分别为f1，f2，f3，fn。这m个接收机的瞬时侦察覆盖角度分别为D1，D2，D3，Dm。每个接收机瞬时工作带宽分别为b1，b2，b3，bm。搜索策略中，衰减和驻留时间的控制属于对侦察设备的高级控制，通常不会频繁调整。因此，接收机搜索策略中需要频繁切换的控制量是频域和空域两方面的参数。对接收机i而言，有两个控制量：起始方位Xdi和起始频率Xfi。一旦这两个变量确定了，显然有终止方位：Xdi+Di和终止频率Xfi+bi。那么，对辐射源j，可以定义接收函数rji表示接收机i能否截获辐射源j。rji=1当fj Xfi，Xfi+bi且dj Xdi，Xdi+Di0其他（1）如果接收机的频域和空域能够完全覆盖辐射源的频率和方位，rji为1，则认为接收机i能够截获辐射源j。一型设备有多个接收机，可以再定义函数fsj，表示辐射源j能否被侦察装备截获。当辐射源j能够至少被一个接受机截获时，可以认为该装备可以截获辐射源j。fsj=1mi=1rji10其他（2）那么，对于这n个辐射源，侦察装备能够截获的辐射源总数可定义为：fo=nj=1fsj（3）显然，fo就是我们要优化的目标函数。在最优的情况下，应当是所有辐射源都能被截获，fo=n。所以搜索策略的控制问题模型可以描述为：求取每个接收机的起始方位Xdi和起始频率Xfi，使得fo能取得最大值。2算法介绍2.1 遗传算法概述遗传算法是模拟生物在自然环境中的遗传和进化的过程，而形成的自适应全局优化搜索算法，它通过自然选择、遗传和变异等作用机制，实现各个个体适应性的提高7。遗传算法包含编码、选择、交叉和变异等操作，算法流程图如图1所示。2.2 采用遗传算法求解该问题遗传算法包含编码、选择、交叉和变异等操作，本算法中，采用如下方式实现遗传算法的各个操作。图1遗传算法流程图Artificial Intelligence人工智能79ELECTRONICSQUALITYELECTRONICS QUALITY2.2.1遗传编码本问题中，需要求解的变量为每个分机的起始方位Xdik和起始频率Xfik。起始方位Xdik和起始频率Xfik在物理上是连续值，但由于装备频率控制精度一般精确到1 MHz，方位控制通常精确到0.01，因而可以采用二进制编码。常见接收机频率工作范围为38018 000 MHz，采用24比特二进制编码，则起始频率变量编码精度为0.001 MHz，能够满足使用要求；起始方位Xdik取值范围为0360，采用16比特二进制编码，则起始方位变量编码精度为0.005，能够满足使用要求。2.2.2适应度计算函数一个恰当的适应度函数，将主导算法中种群进化的方向，是遗传算法的核心部分。本算法的最终目标是要让式（3）中的fo取到最大值，可以取适应度函数如下：ffit=fo（4）这样，能够截获更多辐射源的个体，就有着更大的适应度函数，有更强的竞争优势，最终引导整个种群向最优解方向进化。2.2.3选择操作所谓选择，就是根据个体的适应度，按照一定的规则或方法，从群体中选择出一些优良的个体遗传到下一代群体中。“轮盘赌”选择法是遗传算法中一种经典的选择方法，由Holland提出8，因为它简单实用，所以被广泛采用。它是一种基于比例的选择方法，利用各个个体适应度所占比例的大小来决定其子孙保留的可能性。若某个个体的适应度为fi，种群大小为np，则它被选取的概率表示为Pi=fi/Npi=1fi（i=1，2，3，Np）（5）本算法中采用“轮盘赌”选择法，个体适应度越大，则其被选择的机会也越大；反之亦然。2.2.4交叉操作交叉是指从群体中随机选择个体搭配配对，对每一对个体以一定的概率交换其部分染色体。本算法中，采用随机抽样随机交叉的方式来完成交叉操作。2.2.5变异操作变异操作则是在算法中模拟自然界物种进化时产生的变异现象，以一定的概率将某个基因变成其他值。交叉和变异操作能够保障种群的多样性，避免求解陷入局部最优解。本算法采用二进制编码，对相应的基因值进行随机取反操作。3仿真验证假设某型设备具有3个接收机，频率覆盖范围均为38018 000 MHz，频率带宽为200 MHz，每个接收机瞬时覆盖方位为90。现随机模拟18个辐射源，辐射源方位随机分布在0360，频率随机分布在38018 000 MHz，通过穷举法判断出该辐射源集存在可行解后，使用该辐射源集检测算法可行性。仿真结果如图2所示。从仿真结果可见，通过本算法计算，生成了3个接收机的侦察搜索策略，搜索策略的频率和方位能够完整覆盖18个测试辐射源。4结束语未来战场中，电磁态势环境必然越来越复杂，一型电子侦察设备必定要面对多个目标执行搜索任务。本文基于遗传算法设计的搜索策略控制方法可靠有效，可以辅助操作员快速完成搜索策略中重要参数设置，当外部电磁环境复杂时，能够快速调整搜索策略形成战斗力。参考文献：1军事科学院.中国人民解放军军语M.北京：军事科学出版社，2011.2包子阳，余继周.基于MATLAB的遗传算法及其在稀布阵 列 天 线 中 的 应 用M.北 京：电 子 工 业 出 版 社，2020.图2搜索策略控制算法仿真结果辐射源分布搜索策略覆盖范围方位35030025020015010050002 0004 0006 0008 00010 00012 00014 00016 00018 000f/MHz802023.06ELECTRONICS QUALITY3杨金勇.几个NP-完全问题的求解算法研究D.泉州：华侨大学，2013.4石荣，刘江.干扰资源分配问题的智能优化应用研究综述J.电光与控制，2019，26（10）：54-61.5刘明，索良泽.基于遗传算法的流动车间作业调度J.新型工业化，2018，8（5）：75-80.6曾伟哲，曾启林，黎恒，等.基于HPSOGA多目标电动汽车充电优化策略J.南方电网技术，2023（1）：94-102；135.7雷英杰，张善文.遗传算法工具箱及应用M.西安：西安电子科技大学出版社，2014.8 JOHN Henry Holland.Adaptation in natural and artificialsystems M.Britain：A Bradford Book，1992.无溶剂工艺改善锂离子电池制造信息与动态据报道，美国伍斯特理工学院（WPI）研究团队开