[发明专利]一种基于知识图谱的干扰策略生成方法

说明书

本发明公开了一种基于知识图谱的干扰策略生成方法，利用知识图谱方法，对已有的电磁目标建立电磁目标的干扰策略图谱，通过图神经网络实现图谱向量嵌入，将电台工作模式对应的实体嵌入到低维图谱向量空间中，得到该实体的向量表示，构建卷积神经网络，对该卷积神经网络进行训练，建立电台工作模式的信号特征的嵌入表示与电台工作模式对应节点的嵌入向量之间的映射关系；将电台工作模式的信号特征输入到该卷积神经网络中，利用该卷积神经网络输出的嵌入向量与已知电台工作模式对应实体的嵌入向量之间的关系，进行干扰策略生成。本方法将先验图谱知识和电磁数据相结合，有利于优化干扰策略，可实现对未知目标或未知工作模式的干扰策略推荐。

技术领域

本发明涉及通信领域和人工智能领域，具体涉及到一种基于知识图谱的干扰策略生成方法。

背景技术

目前，在通信干扰对抗领域，典型干扰策略生成方式包括基于案例生成干扰策略方法和基于数据驱动的神经网络策略分类方法；对于基于案例生成干扰策略的方法，其在对电台工作模式已知的基础之上，对已知电台工作波形进行识别，并生成相应的干扰策略；基于数据驱动的神经网络策略分类方法，其使用大量电台波形数据训练神经网络，使之能够对电台工作波形进行分类，在分类的基础上生成相应的干扰策略；

对于基于案例生成干扰策略的方法，其较为死板且缺乏灵活性，对与记录信息存在偏差或缺乏记录的干扰场景，无法生成有效干扰策略；对于基于数据驱动的神经网络策略分类方法，该方法对数据量需求较大，在缺乏样本和有效数据较量较小的场景下，无法生成高质量的干扰策略。

发明内容

本发明针对现有基于数据的干扰策略生成方法对电磁目标先验知识利用不足的问题，公开了一种基于知识图谱的干扰策略生成方法，通过构建电磁目标的干扰策略图谱，将干扰场景的先验知识与电磁目标数据进行融合，生成干扰策略；

本发明公开了一种基于知识图谱的干扰策略生成方法，利用知识图谱方法，对已有的电磁目标建立电磁目标的干扰策略图谱，该电磁目标的干扰策略图谱包括电磁目标、电台工作模式的信号特征和干扰信号波形信息；电磁目标的干扰策略图谱中的节点表示已知的电台工作模式，如果已知的电台工作模式之间的相似度大于某阈值，则确定该电磁目标的干扰策略图谱中相应节点之间有连接；不同电台工作模式间的关系密切程度决定了相应节点间的关系密切程度；图谱向量嵌入指将高维的图谱信息通过训练好的映射关系，将其嵌入到低维的图谱向量空间中；通过图神经网络实现图谱向量嵌入，将电台工作模式对应的实体嵌入到低维图谱向量空间中，得到该实体的向量表示，该向量表示就是与电台工作模式对应实体的嵌入向量表示，构建卷积神经网络，将得到的嵌入向量作为标签，对该卷积神经网络进行训练，建立电台工作模式的信号特征的嵌入表示与电台工作模式对应节点的嵌入向量之间的映射关系，使卷积神经网络实现从电磁空间到嵌入向量空间的映射；在进行干扰策略生成时，将电台工作模式的信号特征输入到该卷积神经网络中，利用该卷积神经网络输出的嵌入向量与已知电台工作模式对应实体的嵌入向量之间的关系，进行干扰策略生成；

本发明公开了一种基于知识图谱的干扰策略生成方法，其具体步骤包括：

S1，通过图神经网络，利用包含所有已知电台工作模式信息的电磁目标的干扰策略图谱，训练得到已知电台工作模式对应实体的嵌入向量表示；

对包含已知电台工作模式信息的实体进行嵌入向量表示，电磁目标的干扰策略图谱包含所有已知的电台工作模式所对应的节点；利用图神经网络对该图谱中的所有节点进行嵌入向量表示，得到所有电台工作模式对应节点的嵌入向量表示，其具体步骤包括：

设电台工作模式间的关系用邻接矩阵C来表示；邻接矩阵C的第i行、第j列的元素c_ij表示第i个电台工作模式和第j个电台工作模式之间的关系；所有电台工作模式的特征用矩阵F表示，F的第i行表示电台工作模式的第i个类别的特征；将C和F输入到图神经网络中，以训练所有电台工作模式的嵌入向量表示；