本發(fā)明涉及軍事通信與仿真，特別是一種電子戰(zhàn)情報智能融合與動態(tài)預(yù)測的仿真方法及系統(tǒng)。

背景技術(shù)：

1、當前電子戰(zhàn)情報處理面臨多源異構(gòu)數(shù)據(jù)融合效率低、動態(tài)環(huán)境適應(yīng)性差、威脅預(yù)測實時性不足等核心挑戰(zhàn)。傳統(tǒng)方法在多域傳感器數(shù)據(jù)融合中，通常采用靜態(tài)權(quán)重分配策略，難以應(yīng)對復(fù)雜電磁環(huán)境下的信號動態(tài)變化。例如，常規(guī)如k-means聚類算法在處理高維電磁信號特征時，易受噪聲干擾導(dǎo)致分選精度下降，且缺乏對新型信號模式的快速適配能力。此外，現(xiàn)有動態(tài)預(yù)測模型多基于單一模態(tài)數(shù)據(jù)，如雷達脈沖或通信協(xié)議，未充分挖掘時域-空域特征的協(xié)同關(guān)聯(lián)，導(dǎo)致戰(zhàn)場態(tài)勢感知的全面性與準確性受限。

2、在技術(shù)演進方面，近年來人工智能技術(shù)逐步應(yīng)用于電子戰(zhàn)領(lǐng)域。例如，美軍通過認知電子戰(zhàn)系統(tǒng)，例如f-16/cads實現(xiàn)了對未知雷達信號的快速識別與干擾策略生成，但其算法依賴固定規(guī)則庫，難以適應(yīng)快速演變的調(diào)制類型與信號分布。

3、多模態(tài)知識圖譜技術(shù)雖在民用領(lǐng)域如語義搜索任務(wù)中取得進展，但在軍事場景中缺乏對雷達信號特征與地理空間信息的動態(tài)關(guān)聯(lián)建模能力。此外，現(xiàn)有增量學(xué)習(xí)框架多采用全局參數(shù)更新，易導(dǎo)致模型在適配新型信號時出現(xiàn)災(zāi)難性遺忘問題。

技術(shù)實現(xiàn)思路

1、為了解決上述問題，本發(fā)明提出了一種電子戰(zhàn)情報智能融合與動態(tài)預(yù)測的仿真方法及系統(tǒng)，用于提升電子戰(zhàn)情報系統(tǒng)的實時性、自適應(yīng)性與戰(zhàn)場生存能力。

2、本發(fā)明具體提供如下技術(shù)方案：

3、一種電子戰(zhàn)情報智能融合與動態(tài)預(yù)測的仿真方法，其特征在于，包括：

4、通過多域分布的傳感器節(jié)點實時采集電磁信號數(shù)據(jù)，采用動態(tài)對抗網(wǎng)絡(luò)dan對所述電磁信號數(shù)據(jù)進行頻譜指紋匹配與異常定位，結(jié)合時空一致性驗證機制剔除無效數(shù)據(jù)，生成標準化情報流；

5、構(gòu)建多模態(tài)知識圖譜，將雷達信號特征定義為實體，通信協(xié)議元數(shù)據(jù)作為實體間的關(guān)系，地理空間信息作為實體屬性，進行語義關(guān)聯(lián)建模并生成異構(gòu)網(wǎng)絡(luò)表示；

6、基于異常網(wǎng)絡(luò)表示，采用時空雙通道注意力機制，融合雷達脈沖序列的時域特征與通信信號群的空域分布特征，生成聯(lián)合語義向量；通過置信度動態(tài)分配算法實現(xiàn)多源異構(gòu)數(shù)據(jù)的融合；基于所述聯(lián)合語義向量，利用時空transformer模型動態(tài)預(yù)測威脅演化趨勢，輸出威脅等級、目標類型及行為意圖的多任務(wù)預(yù)測結(jié)果；結(jié)合混合密度網(wǎng)絡(luò)生成動態(tài)戰(zhàn)場態(tài)勢全景圖；

7、部署在線增量學(xué)習(xí)框架，檢測新型信號模式并分層微調(diào)模型參數(shù)，更新預(yù)測頭模塊以適配動態(tài)戰(zhàn)場環(huán)境；

8、通過邊緣-云協(xié)同架構(gòu)實施強化學(xué)習(xí)驅(qū)動的多路徑分發(fā)機制，基于信道狀態(tài)矩陣與節(jié)點安全評估動態(tài)優(yōu)化情報推送優(yōu)先級，確保關(guān)鍵威脅情報的低時延傳輸。

9、可選地，采用動態(tài)對抗網(wǎng)絡(luò)dan對所述電磁信號數(shù)據(jù)進行頻譜指紋匹配與異常定位，結(jié)合時空一致性驗證機制剔除無效數(shù)據(jù)，生成標準化情報流，包括：

10、在所述動態(tài)對抗網(wǎng)絡(luò)dan中，使用改進的譜聚類算法并引入量子退火優(yōu)化機制，對所述電磁信號數(shù)據(jù)進行特征分選和頻譜指紋匹配；所述特征分選是將混合電磁信號按載頻、脈寬、調(diào)制類型分離為不同群組；所述特征分選的輸出結(jié)果作為所述頻譜指紋匹配的輸入，通過動態(tài)更新聚類中心向量與指紋庫中的輻射源特征進行相似度比對，識別異常信號并生成標準化情報流；所述頻譜指紋匹配的損失被設(shè)計為：

11、

12、其中，為電磁信號樣本的三維特征向量，為第i個信號樣本，為第次迭代時的聚類中心向量，n為當前迭代中參與聚類中心更新的有效信號樣本總數(shù)，為量子隧穿強度系數(shù)；為自適應(yīng)截斷閾值，為最大化類間差異與最小化類內(nèi)差異的綜合度量，為量子約束因子；

13、聚類中心動態(tài)更新的公式為：

14、

15、其中，為學(xué)習(xí)率，高斯核帶寬的調(diào)整具體為：

16、

17、其中，為分布偏移敏感系數(shù)，為kl散度度量信號分布變化，為第次迭代時的聯(lián)合概率分布，為第次迭代時的聚類中心向量。

18、可選地，構(gòu)建多模態(tài)知識圖譜，將雷達信號特征定義為實體，通信協(xié)議元數(shù)據(jù)作為實體間的關(guān)系，地理空間信息作為實體屬性，進行語義關(guān)聯(lián)建模并生成異構(gòu)網(wǎng)絡(luò)表示，包括：

19、在所述多模態(tài)知識圖譜的構(gòu)建中，增加多維特征張量融合機制，定義雷達信號調(diào)制類型與通信協(xié)議元數(shù)據(jù)的關(guān)聯(lián)函數(shù)為：

20、

21、其中，為調(diào)制類型總數(shù)，為第類調(diào)制信號的調(diào)制類型編碼矩陣，將離散調(diào)制類型映射為三維向量，為第類調(diào)制信號的標準載頻均值，用于動態(tài)調(diào)整載頻的權(quán)重；為張量積運算，融合載頻、脈寬及時間差；為參數(shù)矩陣，用于對脈寬和時間差組成的拼接向量[；]進行特征映射；

22、對所述地理空間信息進行編碼，具體采用球面諧波函數(shù)：

23、

24、其中，為地理空間權(quán)重系數(shù)，為球諧基函數(shù)，分別信號源的經(jīng)緯度坐標；、、分別角量子數(shù)、磁量子數(shù)和最大諧波階數(shù)；

25、所述關(guān)聯(lián)函數(shù)生成的張量表示作為所述多模態(tài)知識圖譜中實體間的關(guān)系向量，球面諧波編碼結(jié)果作為實體屬性，共同構(gòu)成包含拓撲連接與語義約束的所述異構(gòu)網(wǎng)絡(luò)表示。

26、可選地，采用時空雙通道注意力機制，融合雷達脈沖序列的時域特征與通信信號群的空域分布特征，生成聯(lián)合語義向量，包括：

27、在所述時空雙通道注意力機制中，時域通道引入載頻-脈寬耦合卷積核：

28、

29、其中，為載頻差異敏感系數(shù)，為時域滑動窗口長度，和分別為第t時刻與歷史時刻的載頻值，為歷史時刻的脈寬值，為提取脈寬的周期性特征的函數(shù)；

30、空域通道采用脈寬加權(quán)測地線距離：

31、

32、其中，為脈寬差異懲罰因子，分別為節(jié)點i和j的特征向量，為特征向量夾角；

33、所述置信度動態(tài)分配算法定義調(diào)制類型熵權(quán)重具體為：

34、

35、其中，為第類信號調(diào)制類型的信息熵，c為信號總類別數(shù)，為循環(huán)變量；

36、所述載頻-脈寬耦合卷積核提取的時域特征與所述脈寬加權(quán)測地線距離建模的空域特征，通過所述調(diào)制類型熵權(quán)重動態(tài)融合，生成所述聯(lián)合語義向量，輸入所述時空transformer模型進行威脅預(yù)測。

37、可選地，在所述時空transformer模型中，在威脅預(yù)測模塊嵌入載頻變化率門控機制：

38、

39、其中，為載頻變化率，為脈寬穩(wěn)定性指標，為線性變換矩陣；

40、所述混合密度網(wǎng)絡(luò)的條件概率分布建模為：

41、

42、其中，為第k個高斯分量在輸入x下的權(quán)重，和為第?k?個高斯分量的載頻均值和標準差，beta分布描述脈寬統(tǒng)計特性，和分別為控制脈寬分布的左偏特性和右偏特性的形狀參數(shù)，cat分布表征調(diào)制類型分類概率，為調(diào)制類型概率向量；

43、所述載頻變化率門控機制基于生成的所述聯(lián)合語義向量，動態(tài)調(diào)節(jié)所述時空transformer模型中各時間步的注意力權(quán)重分布，其中載頻變化率超過閾值時增強歷史脈寬特征的注意力權(quán)重；所述混合密度網(wǎng)絡(luò)的條件概率分布建模融合地理空間編碼特征與信號載頻-脈寬聯(lián)合分布，生成包含威脅熱力場與信號傳播路徑的動態(tài)戰(zhàn)場態(tài)勢全景圖。

44、可選地，在所述在線增量學(xué)習(xí)框架中，檢測所述新型信號模式，包括：

45、采用調(diào)制類型熵變觸發(fā)機制檢測所述新型信號模式，所述調(diào)制類型熵變觸發(fā)機制具體為：

46、

47、其中，(.)為指示函數(shù)，當新型信號批次的調(diào)制類型分布熵值與歷史分布熵值的差值超過閾值時，觸發(fā)增量學(xué)習(xí)模型的更新機制；

48、分層微調(diào)模型參數(shù)，包括：

49、分層微調(diào)對載頻特征層施加量子噪聲擾動，具體為：

50、

51、其中，為頻特征層的權(quán)重矩陣，為信號載頻平均偏移量，為量子噪聲擾動強度系數(shù)。

52、在所述邊緣-云協(xié)同架構(gòu)中，使用所述多路徑分發(fā)機制定義載頻-誤碼率聯(lián)合獎勵函數(shù)

53、

54、其中，、、為加權(quán)系數(shù)，載頻f對應(yīng)信道誤碼率的倒數(shù)，為信號從發(fā)送端到接收端的總傳輸時間，為時延敏感因子，為節(jié)點安全評估向量。

55、可選地，在所述量子退火優(yōu)化的基礎(chǔ)上，增加脈寬-調(diào)制類型約束哈密頓量，抑制載頻漂移與脈寬抖動對信號分選的干擾，所述哈密頓量融合載頻聚類中心約束與脈寬分布先驗知識，所述哈密頓量表達式為：

56、

57、其中，和分別為量子比特索引和量子比特總數(shù)，和分別載頻和脈寬的約束系數(shù)，和分別為第個量子比特的載頻值和目標載頻值，為參考脈寬分布，為第個量子比特的pauli-z算符。

58、可選地，在所述動態(tài)對抗網(wǎng)絡(luò)dan中，在對抗防御模塊中定義載頻-脈寬聯(lián)合魯棒性損失：

59、

60、其中，為對輸入信號x的統(tǒng)計分布求期望，和分別為針對載頻f和脈寬pw的擾動量，和分別為限制載頻和脈寬的擾動幅度，為衡量電磁信號數(shù)據(jù)x與對抗樣本x+δ在特征空間f(.)中的分布差異，為調(diào)制類型分類損失權(quán)重，為交叉熵損失，量化電磁信號數(shù)據(jù)x與對抗樣本xadv的調(diào)制類型預(yù)測分布m(.)的差異，為特征提取函數(shù)，將輸入信號x映射到高維特征空間，為調(diào)制類型分類器，輸出信號x的調(diào)制類型概率分布。

61、本發(fā)明還提供一種電子戰(zhàn)情報智能融合與動態(tài)預(yù)測的仿真系統(tǒng)，所述仿真系統(tǒng)包括：

62、多域數(shù)據(jù)采集與預(yù)處理模塊，用于通過多域分布的傳感器節(jié)點實時采集電磁信號數(shù)據(jù)，采用動態(tài)對抗網(wǎng)絡(luò)dan對電磁信號數(shù)據(jù)進行頻譜指紋匹配與異常定位，結(jié)合時空一致性驗證機制剔除無效數(shù)據(jù)，生成標準化情報流；

63、多模態(tài)知識圖譜構(gòu)建模塊，用于構(gòu)建多模態(tài)知識圖譜，將雷達信號特征定義為實體，通信協(xié)議元數(shù)據(jù)作為實體間的關(guān)系，地理空間信息作為實體屬性，進行語義關(guān)聯(lián)建模并生成異構(gòu)網(wǎng)絡(luò)表示；

64、時空特征融合引擎，用于采用時空雙通道注意力機制，融合雷達脈沖序列的時域特征與通信信號群的空域分布特征，生成聯(lián)合語義向量；通過置信度動態(tài)分配算法實現(xiàn)多源異構(gòu)數(shù)據(jù)的融合；

65、威脅預(yù)測與態(tài)勢生成模塊，用于基于所述聯(lián)合語義向量，利用時空transformer模型動態(tài)預(yù)測威脅演化趨勢，輸出威脅等級、目標類型及行為意圖的多任務(wù)預(yù)測結(jié)果；結(jié)合混合密度網(wǎng)絡(luò)生成動態(tài)戰(zhàn)場態(tài)勢全景圖；

66、在線增量學(xué)習(xí)代理模塊，用于部署在線增量學(xué)習(xí)框架，檢測新型信號模式并分層微調(diào)模型參數(shù)，更新預(yù)測頭模塊以適配動態(tài)戰(zhàn)場環(huán)境；

67、邊緣-云協(xié)同分發(fā)控制模塊，用于通過邊緣-云協(xié)同架構(gòu)實施強化學(xué)習(xí)驅(qū)動的多路徑分發(fā)機制，基于信道狀態(tài)矩陣與節(jié)點安全評估動態(tài)優(yōu)化情報推送優(yōu)先級，確保關(guān)鍵威脅情報的低時延傳輸。

68、本發(fā)明具有以下有益的技術(shù)效果：本發(fā)明提供一種電子戰(zhàn)情報智能融合與動態(tài)預(yù)測的仿真方法及系統(tǒng)。通過動態(tài)對抗網(wǎng)絡(luò)dan引入量子退火優(yōu)化機制改進譜聚類算法，在載頻、脈寬及調(diào)制類型特征維度實現(xiàn)高魯棒性信號分選，結(jié)合量子約束因子與自適應(yīng)截斷閾值抑制特征漂移，增強頻譜指紋匹配的抗干擾能力；構(gòu)建融合雷達信號、通信協(xié)議及地理空間信息的異構(gòu)網(wǎng)絡(luò)表示，采用多維特征張量融合機制與球面諧波函數(shù)編碼技術(shù)，實現(xiàn)跨域?qū)嶓w動態(tài)關(guān)聯(lián)建模，支持精準信號源定位及威脅意圖推理；基于時空雙通道注意力機制，通過載頻-脈寬耦合卷積核提取時域跳頻規(guī)律，結(jié)合脈寬加權(quán)測地線距離分析空域分布特征，利用置信度動態(tài)分配算法實現(xiàn)多源異構(gòu)數(shù)據(jù)差異化權(quán)重融合，提升威脅識別準確性；采用調(diào)制類型熵變閾值觸發(fā)模型更新機制，優(yōu)先微調(diào)預(yù)測頭模塊并施加量子噪聲擾動，快速適配新型信號模式，降低歷史知識遺忘風(fēng)險；基于強化學(xué)習(xí)驅(qū)動的多路徑分發(fā)機制，結(jié)合信道狀態(tài)矩陣與節(jié)點安全評估動態(tài)優(yōu)化傳輸路徑，通過載頻-誤碼率聯(lián)合獎勵函數(shù)提升信道利用率與抗干擾能力；引入脈寬-調(diào)制類型約束哈密頓量及載頻-脈寬聯(lián)合魯棒性損失函數(shù)，在量子比特層級構(gòu)建特征空間能量最小化機制，抑制對抗樣本干擾并提升異常響應(yīng)效率。本發(fā)明綜合解決了電子戰(zhàn)系統(tǒng)在復(fù)雜電磁環(huán)境下的多源數(shù)據(jù)融合效率低、動態(tài)適應(yīng)性差及威脅預(yù)測滯后問題，顯著提升戰(zhàn)場生存能力與智能決策支撐效能。