复杂对抗场景下的对空目标混合智能抗干扰研究

目标识别与抗干扰技术已经成为决定精确制导武器性能优劣的关键技术。本文针对复杂对抗场景下红外空空导弹作战特点,分析了其目标识别与抗干扰发展需求,提出了融合传统算法与深度学习的混合智能抗干扰算法。该算法充分利用传统算法在确定场景下的高可靠性优势与深度学习算法在复杂场景下的高维特征提取能力,最大化挖掘了导弹探测的场景信息,对于提高系统抗干扰能力具有重要意义。在此基础上,构造了算法测试训练的空战数据集,覆盖了典型的空战作战场景。实验结果表明,相同特征融合条件下,典型场景混合智能抗干扰算法的全程抗干扰概率达到了71.56%,比传统算法提高了15.77%,验证了算法的有效性。