一种基于对比学习的雷达干扰效果在线评估方法与流程

本发明属于雷达，更进一步涉及电子对抗中的一种基于对比学习的雷达干扰效果在线评估方法。

背景技术：

1、在雷达对抗中，干扰效果评估是至关重要的一环，实时、准确的干扰效果评估可以及时为对抗决策做出指导、推动对抗态势向干扰方有利发展。一般而言，雷达干扰效果评估是对规定条件下雷达干扰行动的结果及其造成的影响进行定性或定量的分析，传统的雷达干扰效果评估方法通常是利用被干扰方雷达的性能参数，通过数学建模的方法实现离线干扰效果评估。

2、随着现代雷达系统的智能化发展，以及雷达对抗所处的辐射源环境日趋复杂，对雷达干扰效果评估也变得更加困难，传统基于合作式即干扰方可获取目标雷达受干扰前后工作参数和性能指标并用于评估的方法已不再适用，迫切需要提出新的雷达干扰效果在线评估方法以解决这类问题。

技术实现思路

1、本发明的目的在于提出一种基于对比学习的雷达干扰效果在线评估方法。

2、实现本发明目的的技术解决方案为：一种基于对比学习的雷达干扰效果在线评估方法，包括如下步骤：

3、步骤1、生成雷达干扰效果评估训练样本集：根据雷达类型、参数范围随机生成不同类型的原始雷达数据，根据不同干扰类型，对原始雷达数据进行不同的干扰处理，得到被干扰后的雷达数据，将原始雷达数据和被干扰后的雷达数据组成雷达干扰效果评估训练样本集；

4、步骤2、构建基于对比学习的雷达干扰效果评估模型：将原始雷达数据和被干扰后的雷达数据分别使用两个encoder提取特征，并对提取的特征进行l2归一化处理，通过对比两路encoder提取的特征，识别干扰效果的评估等级；

5、步骤3、训练雷达干扰效果评估模型：利用步骤1得到的雷达干扰效果评估训练样本集对步骤2构建的基于对比学习的雷达干扰效果评估模型进行训练；

6、步骤4：干扰效果在线评估：使用训练后的对比学习模型对实时侦收雷达数据进行干扰效果在线评估，将原始雷达数据和被干扰后的雷达数据输入到模型中，通过对比学习提取干扰因素对雷达性能的影响，得到干扰状况下的雷达性能评估结果。

7、进一步的，步骤1、生成雷达干扰效果评估训练样本集：根据雷达类型、参数范围随机生成不同类型的原始雷达数据，根据不同干扰类型，对原始雷达数据进行不同的干扰处理，得到被干扰后的雷达数据，将原始雷达数据和被干扰后的雷达数据组成雷达干扰效果评估训练样本集，具体方法为：

8、1)根据雷达类型、参数范围随机生成不同类型的雷达信号，组成原始雷达数据集，根据需要评估的干扰类型，对原始雷达数据进行不同的干扰处理，包括多普勒频移、脉冲重复频率偏移、脉宽压缩，得到被干扰后的雷达数据；

9、2)将同一部雷达的原始数据和各类型被干扰后的数据组成雷达干扰效果评估正样本，将同一部雷达的原始数据按时间窗滑动截取不同时间窗的两组数据组成雷达干扰效果评估负样本；

10、3)对每个样本加注干扰效果评估等级标签，将所有负样本的标签设置为0，将正样本干扰效果评估等级“一般”的标签设置为1，干扰效果评估等级“很好”的标签设置为2，将所有样本及其每个样本对应的等级标签组成雷达干扰效果评估训练样本集。

11、进一步的，步骤2、构建基于对比学习的雷达干扰效果评估模型：将原始雷达数据和被干扰后的雷达数据分别使用两个encoder提取特征，并对提取的特征进行l2归一化处理，通过对比两路encoder提取的特征，识别干扰效果的评估等级，具体方法为：

12、1)原始数据部分，原始数据通过一个encoder得到特征i，记为pre_encoder；干扰后数据部分，干扰后数据通过一个encoder得到特征t，记为rear_encoder：

13、

14、2)在得到i和t后，做l2归一化：

15、

16、3)计算余弦相似度，其中，dot为点积运算，exp为指数运算：

17、logits＝dot(i_e,t_e.t)*exp(t)。

18、进一步的，步骤3、训练雷达干扰效果评估模型：利用步骤1得到的雷达干扰效果评估训练样本集对步骤2构建的基于对比学习的雷达干扰效果评估模型进行训练，其中：

19、通过对余弦相似度logits和标签labels使用交叉熵损失函数cross_entropy_loss计算得到原始数据和干扰后数据的损失函数loss_i和loss_t，求平均得到模型的总损失函数loss，使用梯度反向传播实现对雷达干扰效果评估模型的训练；

20、

21、进一步的，步骤4：干扰效果在线评估：使用训练后的对比学习模型对实时侦收雷达数据进行干扰效果在线评估，将原始雷达数据和被干扰后的雷达数据输入到模型中，通过对比学习提取干扰因素对雷达性能的影响，得到干扰状况下的雷达性能评估结果，具体方法为：

22、步骤4-1：实时截获最新一段时间雷达数据，用于对比评估；

23、步骤4-2：根据干扰发射机的状态提示，判断是否开始干扰，如果未发射干扰，则跳转步骤4-1，否则执行步骤4-3；

24、步骤4-3：实时截获干扰后的最新一段时间雷达数据；

25、步骤4-4：将步骤4-1截获的雷达数据作为雷达原始数据、步骤4-3截获的雷达数据作为干扰后数据，输入至训练好的基于对比学习的雷达干扰效果评估模型，输出干扰效果评估等级。

26、一种基于对比学习的雷达干扰效果在线评估系统，实施所述的基于对比学习的雷达干扰效果在线评估方法，实现基于对比学习的雷达干扰效果在线评估，分雷达干扰效果评估训练样本集生成、基于对比学习的雷达干扰效果评估模型构建、雷达干扰效果评估模型训练、干扰效果在线评估四个模块。

27、本发明与现有技术相比，其显著优点为：第一，本发明可以在线评估雷达在不同干扰条件下的性能表现，相比于传统的离线评估方法具有实时性、高效率和准确性等优点；

28、第二，本发明由于采用了深度学习模型进行对比学习，能够更为准确地挖掘出干扰因素对雷达性能的影响，从而提供更为精准的评估结果。

技术特征：

1.一种基于对比学习的雷达干扰效果在线评估方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于对比学习的雷达干扰效果在线评估方法，其特征在于，步骤1、生成雷达干扰效果评估训练样本集：根据雷达类型、参数范围随机生成不同类型的原始雷达数据，根据不同干扰类型，对原始雷达数据进行不同的干扰处理，得到被干扰后的雷达数据，将原始雷达数据和被干扰后的雷达数据组成雷达干扰效果评估训练样本集，具体方法为：

3.根据权利要求1所述的基于对比学习的雷达干扰效果在线评估方法，其特征在于，步骤2、构建基于对比学习的雷达干扰效果评估模型：将原始雷达数据和被干扰后的雷达数据分别使用两个encoder提取特征，并对提取的特征进行l2归一化处理，通过对比两路encoder提取的特征，识别干扰效果的评估等级，具体方法为：

4.根据权利要求3所述的基于对比学习的雷达干扰效果在线评估方法，其特征在于，步骤3、训练雷达干扰效果评估模型：利用步骤1得到的雷达干扰效果评估训练样本集对步骤2构建的基于对比学习的雷达干扰效果评估模型进行训练，其中：

5.根据权利要求1所述的基于对比学习的雷达干扰效果在线评估方法，其特征在于，步骤4：干扰效果在线评估：使用训练后的对比学习模型对实时侦收雷达数据进行干扰效果在线评估，将原始雷达数据和被干扰后的雷达数据输入到模型中，通过对比学习提取干扰因素对雷达性能的影响，得到干扰状况下的雷达性能评估结果，具体方法为：

6.一种基于对比学习的雷达干扰效果在线评估系统，其特征在于，实施权利要求1-5任一项所述的基于对比学习的雷达干扰效果在线评估方法，实现基于对比学习的雷达干扰效果在线评估，分雷达干扰效果评估训练样本集生成、基于对比学习的雷达干扰效果评估模型构建、雷达干扰效果评估模型训练、干扰效果在线评估四个模块。

技术总结本发明公开了一种基于对比学习的雷达干扰效果在线评估方法，根据雷达类型、参数范围随机生成不同类型的原始雷达数据，根据不同干扰类型，对原始雷达数据进行不同的干扰处理，得到被干扰后的雷达数据，将原始雷达数据和被干扰后的雷达数据组成雷达干扰效果评估训练样本集；将原始雷达数据和被干扰后的雷达数据分别使用两个Encoder提取特征，并对提取的特征进行L2归一化处理，通过对比两路Encoder提取的特征，识别干扰效果的评估等级；训练雷达干扰效果评估模型，使用训练后的对比学习模型对实时侦收雷达数据进行干扰效果在线评估，将原始雷达数据和被干扰后的雷达数据输入到模型中，通过对比学习提取干扰因素对雷达性能的影响，得到干扰状况下的雷达性能评估结果。本发明具有实时性、高效率和准确性等优点。技术研发人员：徐鹏涛,宋新超,陈浩,秦长海,梁兵受保护的技术使用者：中国船舶集团有限公司第七二三研究所技术研发日：技术公布日：2024/9/9