弹箭与制导学报

弹箭与制导学报 >

2025 , Vol. 45 >Issue 6: 1258 - 1267

DOI: https://doi.org/10.15892/j.cnki.djzdxb.2025.06.037

学术文章

察打一体无人机红外与箔条干扰弹混合投放策略研究

  • 缪炜星 , 1 ,
  • 黄玉鑫 2 ,
  • 何林锶 2 ,
  • 魏茂刚 2 ,
  • 徐双 1 ,
  • 卿朝进 , 2, *
展开
  • 1 中航成都无人机系统股份有限公司,四川 成都 611743
  • 2 西华大学电气与电子信息学院,四川 成都 610039
卿朝进(1979—),男,教授。E-mail:。

缪炜星(1988—),男,高级工程师。E-mail:。

收稿日期: 2025-03-18

  网络出版日期: 2026-01-24

基金资助

国家自然科学基金(62301447)

四川省科技计划“揭榜挂帅项目”(23GSC00004)

四川省科技计划资助项目(2023YFG0316)

空地一体新航行系统技术全国重点实验室(2024A05)

收起

Research on Mixed Deployment Strategy of Infrared and Chaff Interference Decoys for Reconnaissance and Strike Integrated Unmanned Aerial Vehicles

  • MIAO Weixing , 1 ,
  • HUANG Yuxin 2 ,
  • HE Linsi 2 ,
  • WEI Maogang 2 ,
  • XU Shuang 1 ,
  • QING Chaojin , 2, *
Expand
  • 1 AVIC (CHENGDU) Drone Systems Co.,Ltd.,Chengdu 611743,Sichuan,China
  • 2 School of Electrical Engineering and Electronic Information,Xihua University,Chengdu 610039,Sichuan,China

Received date: 2025-03-18

  Online published: 2026-01-24

Fold

摘要

在现代战争中,察打一体无人机(Reconnaissance and Strike Integrated Unmanned Aerial Vehicle,RSUAV)在执行侦察、监视、目标定位以及精确打击等任务时,面临着敌方导弹精确打击的巨大威胁。为了应对这一挑战,本文提出一种结合箔条弹和红外弹优势的混合投放策略以延长战场环境下RSUAV使用寿命。具体来说,我们首先构建了RSUAV、箔条弹和红外弹的运动模型,并首次将箔条云的动态雷达散射截面(Radar Cross Section,RCS)模型与红外诱饵的时变辐射模型集成至统一框架。随后,基于质心干扰原理,构建了混合投放决策的目标函数,结合红外与雷达敏感度权重动态调整干扰弹投放策略,以解决复合制导导弹难以被有效干扰的难题。最后,设计了一种自适应遗传算法,通过调整种群规模、适应度等参数,提高算法收敛效率,从而保证复杂多变战场的实时性要求。仿真实验表明,无论敌方导弹是红外、雷达还是复合制导,该方法均能对其进行有效干扰,从而显著提高RSUAV的生存能力。这种混合投放策略为现代战场提供了更为有效的电子战手段,具有重要的战略价值和应用前景。

关键词： 察打一体无人机; 箔条干扰弹; 红外干扰弹; 投放策略; 自适应遗传算法

本文引用格式

缪炜星 , 黄玉鑫 , 何林锶 , 魏茂刚 , 徐双 , 卿朝进 . 察打一体无人机红外与箔条干扰弹混合投放策略研究[J]. 弹箭与制导学报, 2025 , 45(6) : 1258 -1267 . DOI: 10.15892/j.cnki.djzdxb.2025.06.037

Abstract

In modern warfare,reconnaissance and strike integrated unmanned aerial vehicles (RSUAV) face the significant threat of precise strikes from enemy missiles when carrying out tasks such as reconnaissance,surveillance,target location,and precision strikes.To address this challenge,this paper proposes a hybrid dispensing strategy that combines the advantages of chaff and infrared decoys to extend the lifespan of RSUAV in battlefield environments.Specifically,we first construct kinematic models for the RSUAV,chaff decoys,and infrared decoys,and for the first time,integrate a dynamic Radar Cross Section (RCS) model for chaff clouds and a time-varying radiation model for infrared decoys into a unified framework.Subsequently,based on centroid jamming principles,we formulate an objective function for hybrid dispensing decision-making,dynamically adjusting the dispensing strategy by incorporating infrared and radar sensitivity weights to address the challenge of effectively countering composite-guided missiles.Finally,we develop an adaptive genetic algorithm that enhances convergence efficiency by optimizing parameters such as population size and fitness criteria,thereby ensuring real-time responsiveness in complex and dynamic battlefield environments.Simulation experiments show that this method can effectively interfere with enemy missiles,regardless of whether they are infrared,radar,or composite-guided,thereby significantly enhancing the survival capability of RSUAV.This mixed deployment strategy provides more effective electronic warfare means for modern battlefields and holds significant strategic value and application prospects.

Key words： reconnaissance and strike integrated unmanned aerial vehicles; chaff jamming decoys; infrared interference decoys; deployment strategy; adaptive genetic algorithm

0 引言

在现代战争中,电子战已成为决定战场胜负的关键因素之一[1]。察打一体无人机(Reconnaissance and Strike Integrated Unmanned Aerial Vehicle,RSUAV)因其具有持续的情报支持能力和侦察打击能力,被广泛使用于电子战中[4]、[5]。随着敌方导弹制导技术的不断提高,其精确打击能力对我方RSUAV构成了巨大威胁,使得RSUAV在执行侦察、监视、目标定位以及精确打击等任务时,被敌方发现和摧毁的风险剧增[6]-[8]。鉴于此,我方RSUAV如何有效干扰和破坏敌方导弹的制导系统,保护自身免受打击,成为亟待解决的关键问题。
在众多干扰手段中,箔条弹干扰和红外弹干扰作为两种常见的无源干扰方式,因成本低廉、易于部署等优点显示出独特的战略价值。对于箔条弹干扰,文献[9]以发现概率为评估指标,研究了一定发现概率范围内每个时隙下箔条干扰弹的最优投放策略。文献[10]针对不同雷达体制,研究了箔条弹投放与机动策略。文献[11]则进一步在多样化的战场环境中,分析了箔条弹的使用和干扰效果。文献[12]通过仿真研究,提出了箔条走廊对雷达探测过程的影响,以及如何根据参数选择优化干扰策略。针对红外弹干扰,文献[13]设计开发了一个红外干扰弹自动投放系统,能够根据导弹点火信号自动完成干扰弹的投放。文献[14]针对直升机,结合遗传算法与神经网络方法研究了红外制导导弹的躲避策略。文献[15]从飞机红外辐射特征出发,研究了红外弹的投放策略。文献[16]基于红外成像制导武器与面源红外干扰弹的技术原理基础上提出了红外弹投放策略。综上所述,现有文献[9] -[16]主要针对单一干扰弹的投放策略进行了研究,缺乏多种干扰手段的混合投放策略。然而,在复杂战场环境中,单一干扰手段的局限性随对抗升级日益凸显。以野战防空场景为例:当RSUAV同时遭遇雷达制导导弹(如“爱国者”)与红外制导导弹(如“毒刺”)的联合攻击时,单一红外或箔条干扰手段均无法实施有效干扰。更严峻的是,对于可交替使用雷达/红外双模导引头得现代复合制导导弹(如“标准-6”)来说,单一干扰手段会因模态切换而失效,从而极大降低RSUAV生存概率。
为此,本文提出一种箔条弹和红外弹混合投放策略以提高在复合威胁下的RSUAV生存概率。该策略结合箔条弹和红外弹的优势,实现相对于单一干扰手段更为高效、全面的干扰。从而破坏敌方导弹的制导系统,保护自身逃离敌方导弹的攻击,为现代战场提供更为有效的电子战手段。该策略通过建立箔条弹与红外弹混合投放目标函数,充分利用箔条弹对雷达波的散射特性和红外弹对红外信号的模拟特性,将箔条弹或红外弹在特定时隙进行投放,以适应不同的战场需求和敌方导弹的制导特性,形成对敌方导弹的有效干扰。另外,针对混合投放策略的最优解耗时长,实时性差等问题,本文采用遗传算法辅助求解,从而避免穷举的全局搜索以适应复杂快变的战场环境。具体地,首先,构建RSUAV、箔条弹和红外弹的运动模型,并详细建立箔条弹的雷达散射面积(Radar Cross Section,RCS)模型和红外弹的红外辐射模型;其次,根据质心干扰方法构建混合投放决策的目标函数;最后,针对混合决策的目标函数,通过遗传算法进行寻优,找到优化的投放策略。仿真表明,无论敌方导弹是红外制导还是雷达制导,提出方法均能对其进行有效干扰,从而有效地提高RSUAV的生存能力。

1 混合干扰弹投放模型

为了模拟实际作战场景,本文将敌方导弹类型设置为复合制导导弹(即,导引头类型为红外制导和雷达制导),且RSUAV上具有两种干扰弹类型(即,红外诱饵弹和箔条干扰弹)可供投放使用。对抗场景如图1所示,RSUAV以速度vu沿既定航迹飞行。考虑被导弹探测的目标的红外辐射特征和雷达辐射特征相互独立,彼此不产生影响[17]。在第1.2小节阐述红外诱饵弹的运动模型和红外辐射模型;随后,在第1.3小节介绍箔条干扰弹的运动模型和RCS模型。
图1 RSUAV混合干扰弹投放和敌方复合制导导弹的对抗场景示意图

Fig.1 Diagram of the confrontation scenario between RSUAV hybrid jamming missile dispensing and enemy composite guidance missiles.

1.1 RSUAV运动模型

设RSUAV的实时坐标为(xu,yu,zu),则RSUAV的动力学方程可以表示为
d x u d t = v u c o s θ u c o s ψ u d y u d t = v u s i n θ u d z u d t = v u c o s θ u s i n ψ u d v u d t = g ( n x u - s i n θ u ) d θ u d t = g v u ( n y u - c o s θ u ) d ψ u d t = g n z u v u c o s θ u
其中,θu和ψu分别为t时刻RSUAV的俯仰角与偏航角;nxu、nyu和nzu分别表示RSUAV在速度、俯仰和偏航方向上的过载控制指令;g为重力加速度。

1.2 红外诱饵弹

当RSUAV感知到敌方导弹导引头类型为红外制导时,红外敏感度权重α=1(否则α=0),RSUAV主要利用红外诱饵弹进行针对性引偏。

1.2.1 运动模型

设红外诱饵弹的质量为mg,t时刻对地相对速度为vgt,那么,t时刻红外诱饵弹的动力学方程可以表示为[18]
m g d v g t d t = - X - m g g s i n θ g t m g v g t d θ g t d t = - m g g c o s θ g t d ψ g t d t = 0 X = C v g t
其中,X为t时刻红外诱饵弹所受阻力,定义为向后为正;θgt为t时刻红外诱饵弹对地相对速度的弹道倾角;ψgt为t时刻红外诱饵弹对地相对速度的弹道偏角;C为t时刻与红外诱饵弹速度有关的空气阻尼系数,速度越大C越大。vgt的初始值vg0,即红外诱饵弹的初始速度,可以表示为
vg0= ( v u x ) 2 + ( v u y ) 2 + ( v u z ) 2
其中,(vux,vuy,vuz)为RSUAV沿坐标轴方向的实时速度。
根据式中的动力学方程,红外诱饵弹的运动学方程可以表示为
d x g t d t = v g t c o s θ g t c o s ψ g t d y g t d t = v g t s i n θ g t d z g t d t = - v g t c o s θ g t s i n ψ g t
其中,(xgt,ygt,zgt)为红外诱饵弹在t时刻的坐标。根据RSUAV实时坐标(xu,yu,zu),(xgt,ygt,zgt)的初始值,即投放红外诱饵弹的初始坐标(xg0,yg0,zg0),可以表示为
(xg0,yg0,zg0)=(xu,yu,zu)

1.2.2 红外辐射模型

红外诱饵弹的辐出度M,即单位面积向半球空间发射的辐射功率[18],可以表示为
M(T)= c 1 λ 5 ( e c 2 / λ T - 1 )
其中,λ为波长,T为绝对温度随时间t变化,c1和c2分别为第一与第二辐射常数。设红外诱饵弹的单位面积为A,那么辐射面积为A的红外诱饵弹在时刻t的红外辐射功率P(t)可以表示为
P (t) = ∫ A M d A

1.3 箔条干扰弹

当RSUAV感知到敌方导弹导引头类型为雷达制导时,雷达敏感度权重β=1(否则β=0),RSUAV主要利用箔条干扰弹进行针对性引偏。

1.3.1 运动模型

假设在tC0时刻投放箔条弹,tC1时刻箔条弹爆炸,tC2时刻箔条云完全成型,直到箔条云完全消散,则箔条弹从投放时到箔条云完全消散的状态可分为以下三个阶段:
1)箔条弹投放后到爆炸前的时刻t,满足tC0≤t≤tC1;
2)箔条弹爆炸后到箔条云完全成型前的时刻t,满足tC1≤t≤tC2;
3)箔条云完全成型后的时刻t,满足t≥tC2。
但由于箔条云完全成型前后,运动状态差异较大,因此,本文将上述过程简化为箔条云完全成型前和完全成型后,并由此建立相应的箔条干扰弹运动模型。
1)箔条云成型前
与红外干扰弹类似,由于箔条云成型前,箔条干扰弹运动速度较快,因此,箔条云成型前仅受重力和阻力影响,则t时刻箔条干扰弹的动力学方程可以表示为
m b d v b t d t = - Y - m b g s i n θ b t m b v b d θ b t d t = - m b g c o s θ b t d ψ b t d t = 0 X = D v b t
其中,mb为箔条干扰弹质量;vbt为t时刻箔条干扰弹对地相对速度;Y为t时刻箔条干扰弹所受阻力,定义为向后为正;θbt为t时刻箔条干扰弹对地相对速度的弹道倾角;ψbt为t时刻箔条干扰弹对地相对速度的弹道偏角;D为t时刻与箔条干扰弹速度有关的空气阻尼系数,速度越大D越大。vbt的初始值vb0,即投放箔条干扰弹的初始速度,可以表示为
vb0= ( v u x ) 2 + ( v u y ) 2 + ( v u z ) 2
根据式(8)中的动力学方程,箔条干扰弹的运动方程可以表示为
d x b d t = v b c o s θ b c o s ψ b d y b d t = v b s i n θ b d z b d t = - v b c o s θ b s i n ψ b
其中,(xbt,ybt,zbt)为箔条干扰弹在t时刻的坐标。根据RSUAV实时坐标(xu,yu,zu),箔投放条干扰弹的初始坐标(xb0,yb0,zb0),可以表示为
(xb0,yb0,zb0)=(xu,yu,zu)
2)箔条云成型后
根据式(10)中箔条云成型前的运动方程,我们可以计算得到tC2时刻,箔条云成型时的位置坐标(xC2,yC2,zC2)。设此时风速为(vwx,vwy,vwz),则箔条干扰弹在时刻t的运动方程可以表示为
x b = x C 2 + ( t - t C 2 ) v w x y b = y C 2 + ( t - t C 2 ) v w y z b = z C 2 + ( t - t C 2 ) v w z

1.3.2 RCS模型

在t时刻,箔条云RCSσc(t)可以被计算为[19]
σC(t)=k t d 2exp - t 2 2 d 2
其中,k为常数,表示箔条云RCS的最大值;d为瑞利分布参数,表示箔条云的有效持续时间。当t=d时,箔条云RCS达到最大值,此时,d和k可分别计算为
d = t C 2 k = e d σ C m a x

2 混合干扰弹投放策略

红外制导或雷达制导导弹通常根据导引头内红外辐射质心或雷达波束质心来跟踪目标。因此,为了对敌方导弹实施有效干扰,我们在2.1和2.2小节分别建立了红外辐射质心与雷达波束质心模型[20],并根据干扰弹模型与质心模型在2.3小节推导了混合投放目标函数,最后,在2.4节中开发了一种基于动态遗传算法的混合投放优化策略。

2.1 红外辐射质心模型

为了简化模型,我们将RSUAV的红外辐射强度看作一个常数Pu。设在时刻t,RSUAV已投放的红外诱饵弹数目为Ng,则在t时刻,红外辐射质心(xg(t),yg(t),zg(t))可以表示为
x g ( t ) = P u x u + ∑ k = 1 N g P g k ( t ) x g k ( t ) P u + ∑ k = 1 N g P g k (t) y g (t) = P u y u + ∑ k = 1 N g P g k (t) y g k (t) P u + ∑ k = 1 N g P g k (t) z g (t) = P u z u + ∑ k = 1 N g P g k (t) z g k (t) P u + ∑ k = 1 N g P g k (t)
其中,Pgk(t)为第k个红外诱饵弹在时刻t的红外辐射强度,(xgk(t),ygk(t),zgk(t))为第k个红外诱饵弹在时刻t的位置坐标。

2.2 雷达波束质心模型

与RSUAV的红外辐射强度相似,我们将RSUAV的RCS看作一个常数σu。设在时刻t,RSUAV已投放的红外诱饵弹数目为Nb,则在t时刻,雷达波束质心(xb(t),yb(t),zb(t))可以表示为
x b ( t ) = σ u x u + ∑ j = 1 N b σ b j ( t ) x b j ( t ) σ u + ∑ j = 1 N b σ b j (t) y b (t) = σ u y u + ∑ j = 1 N b σ b j (t) y b j (t) σ u + ∑ j = 1 N b σ b j (t) z b (t) = σ u z u + ∑ j = 1 N b σ b j (t) z b j (t) σ u + ∑ j = 1 N b σ b j (t)
其中,σbj(t)为第j个箔条干扰弹在时刻t的RCS,(xbj(t),ybj(t),zbj(t))为第j个箔条干扰弹在时刻t的位置坐标。

2.3 混合投放目标函数

设二进制变量ngt和nbt分别表示在时刻t是否投放一枚红外诱饵弹和箔条干扰弹;投放持续时隙数为T,则混合投放目标函数f(ng1,…,ngT,nb1,…,nbT)可以表示为
  f ( n g 1 , … , n g T , n b 1 , … , n b T ) = α f g ( n g 1 , … , n g T ) +   β f b ( n b 1 , … , n b T ) - f 1 ( ∑ t = 1 T n g t ) - f 2 ( ∑ t = 1 T n b t )
其中,fg(ng1,…,ngT)和fb(nb1,…,nbT)分别表示RSUAV与虚假红外辐射质心和雷达波束质心的距离(虚假红外辐射质心和雷达波束质心可由2.1和2.2小节计算得到)。 f 1 ( ∑ t = 1 T n g t )和 f 2 ( ∑ t = 1 T n b t )分别为与红外诱饵弹和箔条干扰弹投放总数相关的惩罚项(即红外诱饵弹或箔条干扰弹投放越多, f 1 ( ∑ t = 1 T n g t )和 f 2 ( ∑ t = 1 T n b t )数值越大)。由于RSUAV携带干扰弹的总数有限,因此,我们设置了每次干扰弹投放总数的约束条件,即
∑ t = 1 T n g t ≤ K g
∑ t = 1 T n b t ≤ K b
其中,Kg和Kb分别为RSUAV剩余的红外诱饵弹和箔条干扰弹总数。

2.4 基于遗传算法的混合投放优化策略

为了满足战场环境下的实时性要求,本文采用遗传算法进行全局寻优。遗传算法(Genetic Algorithm,GA)通过模拟自然选择和遗传机制,在无需梯度信息的条件下,以种群并行搜索的方式在解空间中广泛探索,自适应地调整搜索策略,有效避免局部最优,展现出强大的全局搜索能力和鲁棒性,非常适合于解决复杂且多变的优化问题[21]、[22]。
在初始化阶段,计算敌方导弹在无干扰的情况下击中RSUAV所需时隙数T,即
T= ( x u - x d ) 2 + ( y u - y d ) 2 + ( z u - z d ) 2 v u d
其中,(xd,yd,zd)为RSUAV被跟踪锁定时敌方导弹坐标。将该时隙数作为遗传算法寻优范围。与传统的遗传算法不同,动态的调整遗传算法的寻优范围可以有效提高寻优效率,同时降低计算复杂度。随后,生成初始种群,形如:
x 11 x 12 … x 1 T x 21 x 22 … x 2 T ︙ ︙ ︙ ︙ z x N 1 x N 2 … x N T
其中,N为初始种群规模;T为时隙数,表示个体规模;个体内0,1序列均为随机生成(0和1分别表示在时隙t是否投放干扰弹)。
然后,根据RSUAV感知获得的红外和雷达敏感度权重α和β值做出即时反应。以α=1,β=0为例,系统实时更新红外诱饵弹的运动模型和辐射模型,进入遗传算法的三个遗传算子进行优化得到最优目标函数值,大致如下:
1)选择算子:个体被选择用于繁殖的概率与其适应度成正比。设pi为第i个个体被选择的概率,N为种群中个体的总数,f(xi)为个体xi的适应度函数,则
p i = f ( x i ) ∑ j = 1 N f ( x j )
2)交叉算子:选择的个体通过交叉操作生成新的后代。设交叉点为k,个体向量长度为n,并考虑两个个体xi与xj,后代xnew可以表示为
xnew=[xi1,xi2,…,xik,xj(k+1),xj(k+2),…,xin]
3)变异算子:以概率μ修改新生个体的某些基因,以引入变异,增加种群的多样性。对于基因xnk,其中μ=1,变异操作可以表示为
x ~ n k= 0 , x n k = 1 1 , x n k = 0
为了充分保证RSUAV存活概率,我们假设敌方导弹有效杀伤范围未知,因此结束条件设置为最大迭代次数Nm。由于我们同时考虑了红外或雷达制导导弹攻击RSUAV的情形,因此,无论敌方导弹是红外制导还是雷达制导,提出方法均能对其进行有效干扰,从而显著提高RSUAV的生存能力。此外,我们提出的基于动态遗传算法的寻优策略有效降低了寻优过程的计算复杂度,有利于RSUAV在复杂多变的战场环境下快速作出防御响应。

3 仿真与验证

在本节,我们根据实际作战场景进行仿真测试,以验证本文提出方法的有效性和鲁棒性。首先,在第3.1小节,我们给出本次仿真的场景参数设置;随后,在第3.2和3.3小节,我们分别验证本文提出方法的有效性和鲁棒性。

3.1 场景和参数设置

为了验证提出方法的有效性和鲁棒性,本文设置导弹攻击RSUAV的模拟场景。考虑导弹速度为700m/s,RSUAV投放红外诱饵弹和箔条干扰弹的初速度均为0,仅依靠重力加速度垂直降落。其中,红外诱饵弹和箔条干扰弹在投放后,均于第5s达到最大辐射强度和最大RCS值,并于第10s完全消散。RSUAV、机载红外诱饵弹和箔条干扰弹的其他有关参数设置如表1所示。遗传算法迭代次数Nm=20、交叉概率κ=0.6、变异概率μ=1。由于战场复杂多变的特殊性,算法族群、适应度等参数随RSUAV与导弹坐标变化而变化,因此,这里不罗列具体数值。
表1 RSUAV、机载红外诱饵弹和箔条干扰弹的参数设置

Table 1 Parameter Settings for RSUAV,Airborne Infrared Decoys,and Chaff Jamming Decoys

PARAMETER VALUE
RSUAV velocity 300m/s
Height 5000m
(θu,ψu) (0°,0°)
(nxu,nyu,nzu) ([-3,3],[-3,3],[-3,3])
Radiation intensity 1000
RCS 5m2
INFRARED
INTERFERENCE
DECOYS		 Cross-sectional area 0.1m2
Initial velocity 0
Maximum
radiation intensity		 3000
CHAFF
JAMMING
DECOYS		 Cross-sectional area 0.1m2
Initial velocity 0
Maximum RCS 10m2

3.2 有效性分析

在导弹相对于RSUAV的不同来袭方向(如,0°(追尾)、90°(机侧)、180°(迎头)和270°(机侧))和不同初始距离(如,2000m、5000m和8000m)下,针对不同制导类型,RSUAV投放不同干扰弹使得导弹与RSUAV的最近距离效果如表2所示。
表2 红外诱饵弹和箔条干扰弹干扰性能

Table 2 Interference performance of infrared decoys and chaff jamming decoys

Angle Distance
(m)		 α β Induced bias
distance (m)
Infrared
guidance		 Radar
guidance
0° 2000 1 0 389.9 \
0 1 \ 397.8
1 1 390.7 390.7
5000 1 0 1164.2 \
0 1 \ 1284.9
1 1 1247.3 1247.3
8000 1 0 1193.3 \
0 1 \ 1498.3
1 1 1291.1 1291.1
90° 2000 1 0 311.9 \
0 1 \ 302.4
1 1 304.1 304.1
5000 1 0 1092.7 \
0 1 \ 1093
1 1 1092.7 1092.7
8000 1 0 1254 \
0 1 \ 1685.8
1 1 1334.6 1334.6
180° 2000 1 0 219.1 \
0 1 \ 204.4
1 1 208.1 208.1
5000 1 0 890.1 \
0 1 \ 890.5
1 1 890.1 890.1
8000 1 0 1334.9 \
0 1 \ 1651.8
1 1 1491.8 1491.8
270° 2000 1 0 315.2 \
0 1 \ 302.2
1 1 306.4 306.4
5000 1 0 1041 \
0 1 \ 1121.7
1 1 1084.2 1084.2
8000 1 0 1377.1 \
0 1 \ 1682.1
1 1 1471.3 1471.3
在红外和雷达敏感度权重(α,β)=(1,0)时,导弹制导类型为红外制导,RSUAV主要投放红外诱饵弹;当(α,β)=(0,1)时,导弹制导类型为雷达制导,RSUAV主要投放箔条干扰弹;当(α,β)=(1,1)时,导弹制导类型为雷达和红外复合制导,RSUAV投放箔条和红外干扰弹。从表 2可以看出,
1)在所有给定导弹与RSUAV的初始距离和来袭角度下,混合决策输出的红外诱饵弹(或箔条干扰弹)投放策略均能有效干扰红外、雷达以及复合制导导弹。这是因为混合投放目标函数是根据敌方导弹与RSUAV各自的坐标推导的,因此,即使来袭导弹距离与角度改变的情况下,混合决策输出的红外诱饵弹(或箔条干扰弹)投放策略均能有效干扰红外、雷达以及复合制导导弹。
2)在给定来袭角度条件下,随着导弹与RSUAV距离的减小,所有方法对导弹的干扰效果逐渐下降。例如,对于红外制导来说,当导弹相对于RSUAV的来袭角度为0°,相比导弹与RSUAV的初始距离为2000m,其初始距离为5000m时,导弹距离RSUAV的最近距离从389.9m增大至1164.2m。这是因为随着导弹与RSUAV距离的减小,可供投放决策的时间点也随之减少,从而降低了干扰效果。
3)在导弹与RSUAV的初始距离为2000m和5000m时,相比导弹相对于RSUAV的来袭角度为0°,其为180°时的干扰效能降低。这是因为此时敌方导弹迎头攻击RSUAV,干扰时间减少,导致干扰效能降低。但是,当初始距离为8000m时,来袭角度为180°时的干扰效能高于0°,这是因为红外辐射质心(或雷达波束质心)在RSUAV后方,当敌方导弹攻击质心时,RSUAV与敌方导弹反向飞行,因此干扰效能反而略微增加。
在此基础上,我们将[9]中的单一箔条干扰弹投放策略“Ref [9]”以及[14]中的单一红外干扰弹投放策略“Ref [14]”作为混合投放策略“Prop”的对比方法以进一步验证混合投放策略的有效性。以导弹迎头攻击为例,不同初始距离下,RSUAV投放干扰弹使得导弹与RSUAV的最近距离效果如图2所示。
图2 投放策略性能对比图

Fig.2 Performance Comparison Diagram of Delivery Strategies

从图2可知,(1)在来袭导弹为红外与雷达复合制导(即(α,β)=(1,1))的情况下,混合投放策略对敌方导弹的诱偏距离显著大于单一箔条干扰弹投放策略“Ref [9]”以及单一红外干扰弹投放策略“Ref [14]”。特别地,单一投放策略对于复合制导导弹的干扰效果几乎为0。这进一步证明了提出的混合决策方法的有效性。(2)在给定导弹与RSUAV的初始距离且敌方导弹红外制导时,混合投放策略对敌方导弹的诱偏距离大于单一红外干扰弹投放策略“Ref [14]”;相似地,在给定导弹与RSUAV的初始距离且敌方导弹雷达制导时,混合投放策略对敌方导弹的诱偏距离大于单一箔条干扰弹投放策略“Ref [9]”。这说明提出方法对单一制导方式导弹的干扰效果同样优于对比方法。
综上所述,提出方法能够对敌方复合制导导弹实施全距离与全方位的有效干扰。

3.3 鲁棒性分析

为了验证在导弹速度、红外弹辐射强度和箔条干扰弹RCS变化条件下本文方法的鲁棒性能,以导弹与RSUAV的最近距离作为指标,设导弹与RSUAV的初始距离为2000m,导弹相对于RSUAV的来袭角度为0°,其他参数条件如3.1小节所示。
当导弹速度为500m/s、600m/s、700m/s、800m/s和900m/s时,导弹与RSUAV的最近距离如图3所示。
图3 导弹速度变化对投放策略的影响

Fig.3 The impact of missile speed variation on delivery strategies

图3可以看出,在所有给定参数条件下,无论导弹是红外、雷达还是复合制导,提出方法的干扰效果均优于对比方法。在其他参数不变的情况下,导弹与RSUAV的最近距离随着导弹速度的增加而减小。例如,对于提出方法来说,当敌方导弹制导类型为红外制导,相比导弹速度为600m/s,导弹速度为700m/s时的导弹与RSUAV最近距离从488.9m缩短至389.9m。这是因为导弹的速度越大,留给RSUAV投放干扰弹的时间缩短,以至于质心偏移的距离缩短,导致导弹与RSUAV的距离减少。
当红外诱饵弹的辐射强度值和箔条干扰弹最大RCS值变化时,最近距离如图4和图5所示。
图4 红外诱饵弹辐射强度变化对提出方法的影响

Fig.4 The impact of variations in the radiation intensity of infrared decoy rounds on the Delivery Strategies

图5 箔条干扰弹最大RCS变化对提出方法的影响

Fig.5 The impact of variations in the maximum RCS (Radar Cross Section) of chaff jamming rounds on the Delivery Strategies

图4和图5可以看出:
1)在所有给定参数条件下,提出方法对红外或复合制导导弹的干扰效果随红外干扰弹辐射强度的减小而略微下降。例如,当敌方导弹为红外制导时,与红外弹最大辐射强度为4000相比,最大辐射强度为2000时导弹与RSUAV的最近距离从396.4m减少至378m。这是因为红外弹辐射强度越小,红外质心越偏向RSUAV位置,使得对导弹的诱偏距离减小。尽管如此,在给定的红外干扰弹辐射强度下,提出方法的干扰效果均优于“Ref [14]”。这证明了我们提出的混合投放策略对红外干扰弹辐射强度具有良好的鲁棒性。
2)在给定参数条件下,提出方法对雷达或复合制导导弹的干扰效果随箔条干扰弹最大RCS的增大而略微增强。例如,当敌方导弹为雷达制导时,与箔条弹最大RCS为10m2相比,最大RCS为12.5m2时导弹与RSUAV的最近距离从397.8m增大至403.8m。这是因为箔条弹的RCS越大,覆盖面积越广,质心更偏向箔条云位置,使得导弹被引偏的角度变大,因此导弹与RSUAV的最近距离增大。虽然“Ref [9]”也随箔条干扰弹最大RCS的增大而略微增强,但在给定箔条干扰弹最大RCS的情况下,提出方法对敌方导弹的干扰效果均优于“Ref [9]”。

3.4 实时性分析

为满足战场环境的实时性要求,我们以复合制导导弹迎头攻击RSUAV,且初始距离为3000m为例,展示了不同投放策略在NVIDIA DGX-1平台下Matlab环境中的输出延迟,如表3所示。
表3 投放策略实时性分析

Table 3 Real-time Analysis of Delivery Strategies

OUTPUT DELAY
REF [14] 86ms
REF [9] 3.4s
PROP (WITHOUT GA) 9.3s
PROP 82ms
从表3可知,与对比方法相比,提出的混合投放策略表现出最低的输出延迟。这说明,与对比方法相比,提出方法在实时性方面存在一定的优势。特别是,混合投放策略的输出延迟远低于未采用GA的混合策略。虽然混合投放策略的输出结果为次优解,但3.2和3.3节仍然证明了其在干扰复合制导导弹方面的有效性。

4 结论

本文针对RSUAV面临敌方红外雷达复合制导导弹精确打击时生存能力极低的问题,提出了一种箔条和红外干扰弹混合投放策略。该算法首先构建了RSUAV、箔条弹和红外弹的运动模型,并详细建立了箔条弹的RCS模型和红外弹的红外辐射模型。然后,根据质心干扰方法,构建了混合投放决策的目标函数。最后,采用遗传算法对混合决策的目标函数进行寻优,以找到最优的投放策略。仿真结果表明,无论敌方导弹采用红外、雷达还是复合制导方式,该方法均能对其进行全距离与全方位的有效干扰,从而显著提高RSUAV的生存能力。因此,本文提出的混合投放策略为现代战场提供了一种有效的电子战手段,具有重要的战略价值和实践意义。未来,将进一步研究更复杂的战场环境和多种干扰手段的混合使用策略,以应对日益严峻的电子战挑战。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
卿朝进, 赵桂毅, 何林锶, 等. 基于K-means聚类人工蜂群算法的地面防空设备部署[J]. 弹箭与制导学报, 2025, 45(4):499-509.

Qing C J, Zhao G Y, He L S, et al. Research on Ground Air Defense Equipment Deployment Technology Based on Unsupervised Artificial Bee Colony Algorithm[J]. Journal of Projectiles,Rockets,Missiles and Guidance, 2025, 45(4):499-509.

[2]
李悦, 甘荣兵. 一种基于半监督高斯混合聚类的雷达信号侦察结果正确性评估方法[J]. 电子信息对抗技术, 2025, 40(02):32-41.

Li Y, GAN R B. An Evaluation Method for Validity of Radar Signal Reconnaissance Results Based on Semi-Supervised Gaussian Mixture Clustering[J]. Electronic Information Warfare Technology, 2025, 40(02):32-41.

[3]
李晶, 乔玉君, 徐继伟, 等. 俄美军电子战能力现状对比分析及启示[J]. 舰船电子对抗, 2025, 48(01):1-11,58.

Li J, Qiao Y J, Xv J W, et al. Comparative Analysis and Enlightenment of the Current Situation of Electronic Warfare Capabilities Between Russia and the US[J]. Shipboard Electronic Countermeasures, 2025, 48(01):1-11,58.

[4]
田苗苗, 彭进先, 秦剑琪, 等. 从美天军“天空”系列演习看其发展战略[J]. 航天电子对抗, 2024, 40(06):56-59.

Tian M M, Peng J X, Qin J Q, et al. Analysis ofU.S. Space Force’s Development Tendency from Skies Exercise[J]. Aerospace Electronic Warfare, 2024, 40(06):56-59.

[5]
任东, 刘诗尧, 刘亚君, 等. 大型察打一体无人机发动机能力需求分析[J]. 航空发动机, 2024, 50(01):28-34.

Ren D, Liu S Y, Liu Y J, et al. Capability Requirement Analysis of Large Reconnaissance/Strike UAV Engines[J]. Aeroengine, 2024, 50(01):28-34.

[6]
陶宇, 杨若鹏, 鲁义威, 等. 基于KG+LLM的联合作战计划智能生成方法[J]. 指挥与控制学报, 2024, 10(06):699-711.

Tao Y, Yang R P, Lu Y W, et al. Intelligent Generation of Joint Operation Plans Based on KG+LLM[J]. Journal of Command and Control, 2024, 10(06):699-711.

[7]
王帅为, 王荣刚, 王嘉文, 等. 基于L1制导的巡飞弹航迹跟踪技术[J]. 弹箭与制导学报, 2024, 44(01):98-102.

Wang S W, Wang R G, Wang J W, et al. Course Tracking Technology of Loitering Missile Based on L1 Guidance[J]. Journal of Projectiles,Rockets,Missiles and Guidance, 2024, 44(01):98-102.

[8]
TANG B, Li H, SHENG X. Jamming recognition method based on the full polarisation scattering matrix of chaff clouds[J]. Microwaves Antennas & Propagation Iet, 2012, 6(13):1451-1460.

DOI

[9]
卿朝进, 何林锶, 王子龙, 等. 基于发现概率的箔条干扰弹投放策略研究[J/OL]. 雷达科学与技术,2024:1-13.

Qing C J, He L S, Wang Z L, et al. Research on Chaff Jamming Shell Launch Strategy Based on Detection Probability[J/OL]. Radar Science and Technology,2024:1-13.

[10]
张世林, 刘雨, 张久云. 基于燃气动力的箔条干扰弹布放设计研究[J]. 兵器装备工程学报, 2024, 45(12):10-17,32.

Zhang S L, Liu Y, Zhang J Y. Research on Dispersion Design of Chaff Jamming Bomb Based on Gas Power[J]. Journal of Ordnance Equipment Engineering, 2024, 45(12):10-17,32.

[11]
马贤杰, 马榜, 李石川, 等. 直升机载箔条弹干扰效能分析[J]. 航天电子对抗, 2018, 34(06):17-22,59.

Ma X J, Ma B, Li S C, et al. Analysis of interference effectiveness of helicopter-borne chaff bombs[J]. Aerospace Electronic Warfare, 2018, 34(06):17-22,59.

[12]
朱爱红, 孙亮, 刘明杰, 等. 箔条走廊干扰战术运用研究[J]. 现代防御技术, 2024, 52(04):101-107.

Zhu A H, Sun L, Liu M J, et al. Research on Jamming Tactical Application of Chaff Corridor[J]. Modern Defence Technology, 2024, 52(04):101-107.

[13]
张正成, 王军林, 李凡聪, 等. 一种用于无人靶机的红外干扰弹自动投放系统[J]. 指挥控制与仿真, 2022, 44(05):38-42.

Zhang Z C, Wang T L, Li F C, et al. An Automatic Delivery System of Infrared Jamming Bomb Used for Unmanned Target Machine[J]. Command Control & Simulation, 2022, 44(05):38-42.

[14]
范鑫磊, 李栋, 邹杰. 基于GA-BP算法的直升机红外诱饵弹投放策略训练研究[J/OL]. 电光与控制,2024:1-6.

Fan X L, Li D, Zou J. Research on Helicopter Infrared Decoy Delivery Strategy Training Based on GA-BP Algorithm[J/OL]. Electronics Optics & Control,2024:1-6.

[15]
陈书恒, 朱倪瑶, 陈宁, 等. 飞机红外辐射特性测试及红外干扰弹投放方式研究[J]. 红外技术, 2021, 43(10):949-953.

Chen S H, Zhu N Y, Chen N, et al. Test of Infrared Radiation Characteristics of Aircraft and Study on Launch Strategy for Infrared Decoy Flare[J]. Infrared Technology, 2021, 43(10):949-953.

[16]
许帆, 李皓. 直升机机载面源红外干扰弹技术分析[J]. 激光与红外, 2019, 49(05):611-615.

Xu F, Li H. Analysis on helicopter airborne surface-type infrared decoy technology[J]. Laser & Infrared, 2019, 49(05):611-615.

[17]
李海军, 魏嘉彧, 牟俊杰, 等. 雷达/红外复合制导空舰导弹搜捕问题综述[J]. 兵器装备工程学报, 2021, 42(12):1-6.

Li H J, WEI J Y, Mou J J, et al. Overview on Acquisition of Radar/infrared Composite Guidance Air-to-Ship Missile[J]. Journal of Ordnance Equipment Engineering, 2021, 42(12):1-6.

[18]
唐善军, 杨贝尔, 许凌飞, 等. 基于目标和红外诱饵弹运动模式的抗干扰技术研究[J]. 上海航天, 2017, 34(S1):44-49.

Tang S J, Yang B E, Xu L F, et al. Research on Anti-Jamming Technology Based on Target and Infrared Decoy Projectile Motion Mode[J]. Aerospace Shanghai, 2017, 34(S1):44-49.

[19]
陈昊, 孙雪明, 刘建功, 等. 箔条干扰弹动态抛撒云团空间分布研究[J]. 弹道学报, 2022, 34(04):66-73.

Chen H, Sun X M, Liu J G, et al. Study on Space Distribution of Chaff Cloud with Dynamic Releasing[J]. Journal of Ballistics, 2022, 34(04):66-73.

[20]
吴赐聪, 于莹, 程志锋. 舰艇编队反导作战中质心干扰运用策略研究[J]. 舰船电子对抗, 2023, 46(01):8-13,21.

Wu C C, Yu Y, Cheng Z F. Research into Application Strategy of Centroid Jamming in Anti-missile Operation of Warship Formation[J]. Shipboard Electronic Countermeasure, 2023, 46(01):8-13,21.

[21]
Chen Y, Yan L, Qi C. A Cooperative Fault Detection Approach for Stochastic Multi-Agent Systems Using Maximum Likelihood Estimation Method[J]. Journal of Systems Science & Complexity, 2024, 37(06):2451-2465.

[22]
熊维清, 李岩, 李孝康, 等. 基于改进遗传算法的绿色整车物流调度优化模型[J]. 兵器装备工程学报, 2025, 46(01):230-237.

Xiong W Q, Li Y, Li X K, et al. A Scheduling Optimization Model Based on Modified Genetic Algorithm for Green Automobile Logistics[J]. Journal of Ordnance Equipment Engineering, 2025, 46(1):230-237.

Options
文章导航

/

〈 〉

陕ICP备2025069823号-1

版权所有 © 《弹箭与制导学报》编辑部
地址：北京市海淀区车道沟十号院　
邮编：100089　
电话：010-68961361 010-68968684
E-mail：djxb1980@163.com
技术支持：北京玛格泰克科技发展有限公司
tom_cn.htm"-->