摘要
随着军事科学技术的发展和变革，电子战已然成为现代战争中决定成败的胜负手。而作为电子战的先导和基石，电子侦察是军用情报侦察的重要手段之一，其重要性不言而喻。随着当前相控阵、数字阵以及抗干扰技术的发展，雷达的功能由单一功能走向多功能，调制样式由单一调制走向复合调制，这无疑增加了雷达工作模式识别和意图推理预测的难度和复杂度。因此如何准确高效地识别雷达工作模式和行为意图具有重要的理论意义和军事价值。 本文主要以机载有源相控阵雷达为研究对象，对典型的作战场景仿真建模，在深入分析相控阵雷达不同工作模式的基础上，分别提出了针对相控阵雷达多工作模式分类识别和意图推理预测的算法。本文的主要工作如下:首先，从相控阵雷达的系统组成原理出发，从相控阵雷达的天线扫描特性、波位编排、资源管理与调度等多个角度对其搜索、跟踪等多种工作方式进行分析，并对相控阵雷达典型的作战场景进行仿真建模，深入分析相控阵雷达处于不同工作模式时在时域、频域以及空域下的特征参数规律，并提取能够表征不同工作模式特点的参数，用于后续的相控阵雷达工作模式识别和意图推理预测。 其次，研究了两种相控阵雷达工作模式的识别算法。其一，利用K近邻算法在多分类问题以及1-NN策略在训练数据集模糊边界剔除问题上的优势，对相控阵雷达的多工作模式进行分类识别，在信噪比为10dB的条件下，除TAS模式和SAM模式的识别准确率较低，其它工作模式的准确率均能够达到90％以上;其二，采用知识图谱中TransH模型对相控阵雷达不同工作模式下的离散特征信息进行连续的向量化表示，再将向量表示后的先验知识作为深度学习中MLP分类识别网络的输入，使得深度学习网络可以更加充分的学习不同工作模式下的先验知识，同时降低了识别模型对于大规模标记数据的依赖，在多工作模式的识别中也取得了不错的识别效果。即使在信噪比为5dB时，各类工作模式的识别准确率也能达到95％以上。 最后，研究了相控阵雷达意图推理的预测算法。借助1D-CNN网络可以对时间序列进行特征提取的优势，结合具有时间记忆功能的Bi-GRU网络，提出了一种相控阵雷达典型场景下的意图推理预测算法，经过实验对比分析，基于1D-CNN-Bi-GRU网络的推理预测性能优于简单的Bi-GRU网络。
NETL