摘要
随着雷达电子干扰与抗干扰技术的发展，雷达对于干扰环境感知以及智能化抗干扰的需求日益旺盛。近年来强化学习的快速发展以及数字阵列雷达的抗干扰优势逐渐突出，实现数字阵列雷达的智能抗干扰更加具有研究意义。 本文首先针对传统的阵列雷达无法自动化辨别干扰的种类的问题，完成了对多种有源干扰信号的建模与仿真，在多个特征域上对各种干扰信号进行了处理，提取了相应特征，并将所提取的特征生成训练矩阵，来训练支持向量机（SVM）分类器，通过训练完备的干扰识别模块可对敌方的干扰类型进行识别；然后针对雷达已知干扰的类型无法自动化选取抗干扰措施，人工操作为主的抗干扰手段难以满足应对复杂且变化速度快的干扰场景的问题，提出以数字阵列雷达为平台，利用数字阵列雷达在抗干扰方面独特的优势，在数字阵列雷达上完成对旁瓣对消（SLC）、旁瓣匿影（SLB）和抗有源混合干扰三种抗干扰措施进行仿真，并将强化学习中的Q学习算法应用于抗干扰模块，完成数字阵列雷达智能抗干扰的建模与仿真；同时将干扰识别模块与抗干扰模块进行组合，产生有源干扰信号并对其进行识别并针对识别出的干扰信号采取相应的抗干扰措施或者最优的抗干扰策略，最后在仿真研究平台的界面上对干扰识别模块与抗干扰模块进行验证，从而实现雷达仿真系统从发射雷达信号到环境再到接收的闭环处理。 本文的重点是干扰识别与抗干扰模块的设计与仿真，主要过程包括干扰信号的特征提取、分类器的训练、抗干扰措施的仿真、抗干扰性能指标的仿真与强化学习模型的设计与训练。将强化学习应用于抗干扰流程，可以智能选择最优抗干扰策略。智能化抗干扰模块的后续研究价值很大，通过结合机器学习等技术，挖掘数字阵列雷达抗干扰的潜能，从而进一步提升数字阵列雷达抗干扰的能力，使智能抗干扰体系的实现具有更大的应用价值。
NETL