针对脉冲信号聚类分选的卫星电子侦察干扰技术＊

雷武虎，戴胜波，任晓东

（脉冲功率激光技术国家重点实验室（电子工程学院），安徽 合肥230037）

0 引言

侦察与反侦察，摧毁与反摧毁，干扰与反干扰，隐身与反隐身是当前雷达对抗与反对抗的焦点［1］。其中对雷达的侦察是实施雷达对抗的前提条件。对雷达的侦察首先是截获接收区域内的雷达信号，将探测到的信号进行参数估计，形成雷达脉冲描述字（PDW）。然后对PDW 进行信号分选处理和进行雷达识别等处理。对电子侦察进行的干扰，主要考虑干扰信号对电子侦察接收机的参数测量的影响［2-3］。某些数据参数测量错误或偏差，不一定能破坏电子侦察设备从含有错误的侦察数据中提取出雷达电磁参数，主要原因是电子侦察设备中的脉冲分选技术具有一定的抗噪声性能。如果直接针对其脉冲分选处理的过程，欺骗干扰电子侦察设备的分选结果，将具有一定的优势。本文从破坏信号分选的角度出发，研究一种破坏雷达脉冲有效分选的方法，达到保护雷达电磁参数的目的。

1 干扰脉冲信号分选的原理

1.1 干扰基本原理

脉冲信号分选是电子侦察的主要数据处理环节之一。电子侦察接收机将获得的PDW 数据，根据参数的特征，将属于同一雷达的PDW 字分类到同一簇中。脉冲分选直接处理的对象是PDW 数据，从PDW 数据中能够挖掘出雷达的电磁特征参数。但是，用于脉冲信号分选中的PDW 数据描述雷达信号存在一定的弱点［4］，PDW 各维数据有一定的变化范围，即雷达的容差。由于雷达的容差各不相同，各个雷达之间的PDW很容易存在交叉。图1 为雷达信号分选的容差示意图。

图1 雷达信号分选容差示意图

针对雷达信号分选容差，需要自适应的聚类方法对雷达的PDW 进行分选来克服，完全克服容差的影响存在一定的困难。针对脉冲信号分选干扰的基本原理是利用雷达的容差判断存在困难这一特点，在雷达数据中通过干扰信号添加干扰数据来影响雷达的PDW 容差，引入干扰PDW 数据，改变整个数据空间的容差分布，可以改变原雷达PDW 数据的归类，达到改变分选结果的目的，从而达到保护雷达电磁参数的目的，如图2所示。

图2 干扰数据对雷达分选结果的干扰原理图

在没有干扰存在的情况下，卫星电子侦察的雷达信号环境ENV 表示为：

式中，m 为雷达的数目，n 为当前雷达工作模式的数量，Rij为第i个雷达的第j个工作模式，P1表示雷达或干扰机的技术参数，如载频、重频、脉宽等参数，P2表示雷达或干扰机的运动参数，如起始位置、速度参数等，T 表示雷达或干扰机工作状态的工作时间。

当存在干扰时，原来的电子侦察雷达信号环境ENV 变为新的雷达电磁环境ENV′，可以表示为：

式中，m′为雷达的数目，n′为当前雷达工作模式的数量，Jkq为第k个干扰机的第q个工作模式。

在相同的时间T 内，两种情况下电子侦察接收机获 得 的 PDW 数 据 分 别 为和

式中，X 为真实雷达的PDW 数据集，N1是雷达发射的脉冲被接收机截获的个数，N2是干扰机发射的脉冲被接收机截获的个数。

如果要起到较好的干扰作用，即经过脉冲分选后，真实雷达的PDW 数据归类结果出现较大差异，需要使式（3）中两种对真实雷达的PDW 数据归类结果之间存在较大的差异，即使得两种归类结果A 与B 之间的相似程度δ 小于某一个门限r：

式中，门限r∈（0，1］，r越小越好。

1.2 针对聚类分选的干扰信号构造

雷达脉冲信号分选方法可以分为两大类：聚类分选方法和TOA 分选方法。本文主要研究针对聚类分选进行的干扰信号构造。

聚类分选方法是利用同一部雷达的参数具有极强的相似性的原理，从含有多部雷达的PDW 数据中将属于同一部雷达的脉冲归到各自类中的方法。聚类分选的方法较多，但其特点归纳起来主要有两个：能够发现数据的分布结构特征和依赖于数据之间的相似性关系。利用这些特点，可以进行针对聚类分选的干扰信号构造设计。

聚类分选技术能发现任意形状的数据结构，通过增加干扰数据，改变数据的结构，将原数据的结构隐藏在新的数据集中，起到欺骗作用。因此，可以设计一种特殊的数据结构来进行诱偏干扰。另外，由于聚类的特点，如果设计的数据与原数据之间的相似性不强，没有改变原数据之间相似性的关系，对于原数据来说，其聚类的结果没有改变。因此，设计的干扰数据一定有部分数据可以改变原数据之间的相似性关系。

出于以上两点考虑，设计两种干扰数据结构，提出两种干扰设计的方法。

一是平面数据设计的方法。所谓平面数据设计，以二维平面为例，是指干扰数据均匀分布于原数据的区域中，数据充满了整个平面。平面数据就是利用特殊的数据结构来进行欺骗干扰，平面干扰数据集PDWj的各个参数变化为：

式中，DOA、RF、PW、TOA 分别为PDW 中的信号到达方位、信号频率、脉冲宽度、信号到达时间。

根据该特点，可以将区间［PDWmin，PDWmax］划分为K 段，在每段中都有一个干扰数据，可产生K4个干扰数据，如式（6）所示。将此数据集记为plane。

二是临近数据的设计方法。所谓临近数据，以二维平面为例，是指靠近原数据的数据。临近数据的设计方法是基于一定的距离量度的，即原数据的中心与干扰数据的中心之间的距离在一定的范围内设计方法。对于高维情况，依此类推。干扰数据集PDWj的各个参数变化为：

式中，PDWj表示干扰数据，d（PDWj，PDWR）表示干扰数据与雷达PDW 数据之间的相似性度量，δ是门限，N 表示干扰数据的总个数。临近数据噪声干扰就是利用数据的相似性来进行欺骗干扰。

根据临近数据的特点，选取一个基准数据点作为诱导点来产生临近数据。然后更新诱导点，继续产生新的数据。设计思路具体如下：统计雷达PDW 数据的标准差PDWstd，选择起始的基准点，此处选择的基准点PDWbegin为：

以该点为诱导点，并以该点为中心产生数个与之相邻的数据，此处的相邻性以数据与基准点之间存在较小的平移量，然后更新诱导点PDWbegin，为：

式中，k为控制数据与基准点之间临近性大小的量。然后以新的诱导点产生临近数据，更新数次诱导点后停止，记该类数据为neibor。

2 针对聚类分选的干扰效果评价

针对聚类分选的干扰，目的是使得真实雷达的归类情况出现较大差异，即在干扰数据存在的情况下，明显降低对真实雷达分选的正确率。假设对于真实雷达PDW 数据集X，在没有干扰数据存在的情况下，经聚类分选后，其归类结果为A，正确率为r1；在干扰数据存在的情况下，经聚类分选后，其归类结果为B，正确率为r2。如果r2小于r1，则能说明起到了干扰效果。因此，判断干扰效果可以根据脉冲信号分选的正确率来实现［6］。

定义雷达信号分选的结果是将PDW 数据分成了S 类，即S ＝｛si，i＝1，2，…，N｝，理想的预期结果是R 类，即R ＝｛rk，k＝1，2，…，K｝。最基本的方法是分选的结果S 与理想的已知结果R 进行匹配比较。在分选结果与已知结果中，考虑到每一对点可以被分成如图3所示的四种类型（每个方格中左边为分选结果，右边为已知结果）。

1）同属于分选结果类si中，也同属于已知结果类rk中，记为TP；

2）同属于分选结果类si中，却属于已知结果中的不同的类中，记为FP；

3）属于分选结果中不同的类中，却同属于已知结果类rk中，记为FN；

4）属于分选结果中不同的类中，同时也属于已知结果中的不同的类中，记为TN。

图3 四种情况示意图

在以上四种情况中，只有TP 和TN 表示正确的聚类情况。据此，定义以下几个指标：Sensitivity，Accuracy 和Precision。

式中，TPmax＝TP ＋FN ，TNmax＝TN ＋FP 。

Sensitivity 表示分选结果中属于同一个类中点的对数占原本同在一个类中点的对数的比例。Accuracy 是一种组合情况，表示整体的分选正确率。Precision 表示分选结果中能分选出属于同一个类中点的比例。以上几个指标都是属于0到1之间的数值，其值越大，表明分选的结果越好，当分选结果与已知结果完全一致时，以上几个指标的值均为1。

需要指出的是，Accuracy 是一个整体的分选正确率评价指标，可以用来判断整体的干扰效果，其它指标可以区分干扰的具体情况。Sensitivity 可以反映将不属于该类的数据归为一类的情况，Precision 可以反映将属于该类的数据归为不同类的情况。

在干扰情况下，如果Sensitivity，Accuracy，Precision系数越小，说明干扰效果对原雷达PDW 数据有效分选的破坏性越好，反之，则说明干扰效果对原雷达PDW 数据的破坏性越差，或者没有起到破坏作用。

3 干扰效果仿真

聚类方法较多，此处以小盒子聚类分选方法为例验证干扰的可行性。小盒子聚类分选方法的流程如图4所示。以对三部雷达分选干扰效果为例展开仿真实验，三部雷达的PDW 数据仿真参数设置如表1 所示。该PDW 数据的空间分布图如图5 所示。将PW 值的范围分成了5 段，TOA 与PRI相对应。

设计的干扰数据分别为平面数据集plane和近邻数据集neibor，干扰数据的空间分布图如图6所示。

表1 雷达仿真参数设置表

图4 小盒子聚类分选流程图

图5 原PDW 数据空间分布图

图6 干扰数据空间分布图

表2 干扰数据对小盒子方法在（DOA，RF，PW）聚类下干扰评价指标结果

从表2可以看出，在构造的干扰数据干扰的情况下，Accuracy 系数都明显减小，表明所构造的干扰数据的干扰效果较好。从Precision，Sensitivity 两个指标的变化可以看出：注入干扰数据时，Precision 系数增大，表明干扰的影响是将不同的类归为了同一类，Sensitivity 系数减小，同样表明干扰的影响是将不同的类归为了同一类。这样，被保护雷达的电磁参数分选结果与实际情况相差比较大，甚至将无法从聚类分选中挖掘出来，干扰可以达到预期的目的。

4 结束语

从破坏脉冲信号有效分选的可能性出发，针对聚类分选的特点，设计了两种类型的干扰数据。以小盒子聚类分选为例，分析了两种干扰数据的干扰效果。仿真实验表明，设计的干扰数据能够降低分选的正确性，起到扰乱对被保护雷达的有效分选的效果，达到对雷达信号特征参数反侦察的目的。■

［1］古军峰，蓝红生，王国恩.雷达反侦察技术及战术［J］.舰船电子工程，2012，32（8）：71-73.

［2］杨军佳，毕大平，张国利.有源噪声对雷达对抗侦察系统的干扰 分 析［J］.电 子 信 息 对 抗 技 术，2012，27（5）：41-45.

［3］张国利，毕大平，杨军佳.ESM 系统参数测量干扰方法研究［J］.航天电子对抗，2012，28（4）：39-41.

［4］Guo Q，Zhang XZ，Li Z.A novel mrthod for resolving problem of tolerance in radar signal sorting［C］.The 2006 4th Aisa-Pacific Conference on Environmental Electromagnetics.2006：775-781.

［5］Granger Eric，Savaria Yvon，Lavoie Pierre，et al.A comparision of Self-Organizing Neural Networks for Fast Clustering of radar pulses［J］.Signal Processing，1998，64（3）：249-269.

［6］Opland EJ.Clustering evaluation for deinterleaving［R］.Norwegian Defence Research Establishment（FFI），2013.