学术报告：通信电子战干扰样式选择的博弈决策模型研究

一、作者及发表信息
本研究的通讯作者为赵禄达（第一作者）、王斌、侯嵬，均来自国防科技大学电子对抗学院（安徽合肥）及国防科技大学第三学科交叉中心。研究论文《通信电子战干扰样式选择的博弈决策模型》（*GAME DECISION MODELING OF COMMUNICATION ELECTRONIC JAMMING PATTERN SELECTION*）发表于《探测与控制学报》（*Journal of Detection & Control*）2021年8月第43卷第4期。

二、学术背景与研究目标
科学领域：本研究属于电子战（Electronic Warfare, EW）中的通信对抗领域，聚焦于通信电子战（Communication Electronic Warfare, CEW）中干扰样式选择的动态博弈问题。

研究背景：
1. 现实需求：现代战争中，电子战攻防双方呈现动态博弈特征，传统静态干扰决策模型（如仅基于误码率（Bit Error Rate, BER）的评估）无法充分反映战场环境、指挥员策略等动态因素。
2. 理论缺口：现有研究多集中于雷达干扰样式选择，对通信干扰样式的博弈决策研究较少，且缺乏综合指标体系（如系统因素、行动因素、主观因素）和动态博弈框架。

研究目标：
提出一种基于多指标决策和动态博弈的干扰样式选择模型，解决以下问题：
- 指标体系不完善（如忽略战术措施、对手策略等动态因素）；
- 决策缺乏动态性（静态博弈为主）；
- 效用函数单一化（过度依赖误码率）。

三、研究方法与流程
研究分为两大模块：多指标评价模型和干扰样式动态博弈模型，具体流程如下：

1. 多指标评价模型构建
- 指标体系设计（图2）：
- 系统因素：误码率（BER）、信号编码复杂度（定量指标）；
- 行动因素：干扰信号样式（宽带噪声干扰BBN、部分频带噪声干扰PBN、单音干扰ST）、抗干扰样式（直接序列扩频DSSS、跳频扩频FHSS）；
- 主观因素：指挥员评语化打分（定性指标）。
- 共11项末端指标，其中定量指标2项，定性指标9项。

• 数据预处理：

  • 定量指标：
    
  • 误码率（对数型归一化，公式1）；
    
  • 编码复杂度（指数型归一化，公式2）。
    
  • 定性指标：采用评语集（如ⅰ—ⅴ级）结合可信度概率（公式3—4）。
    

• 权重确定：

  • 改进AHP-熵权法（图3）：
    
  1. 改进AHP法：通过判断矩阵（公式5—6）计算层次权重，引入标准差修正标度（参数(b_m)），确保一致性（CR<0.1）；
     
  2. 熵权法：基于信息熵（公式9—10）计算客观权重；
     
  3. 组合优化：最小二乘法（公式11—12）融合主客观权重。
     

• 指标聚合：

  • 非线性指标（如(x{13}, x{23}, x_{24})）采用OWA算子（公式13）；
    
  • 线性指标采用WGM算子（公式14）。
    

2. 动态博弈模型构建（图4）
- 博弈框架：不完全信息动态博弈（敌我双方策略集分别为(S_a={a_1, a_2})、(S_j={j_1, j_2, j3})）。
- 效用函数（公式15）：综合多指标融合结果，敌方追求效用最小化，我方追求最大化。
- 纳什均衡求解：
1. 纯策略：若(v{ai}=v{jj})，直接求解均衡解（公式17—18）；
2. 混合策略：若(v{ai}≠v_{jj})，通过概率遍历策略（公式19—20）求解完美贝叶斯纳什均衡。

四、研究结果
1. 多指标评价验证
- 场景仿真（表1）：3种对抗场景下，改进AHP-熵权法的效用值误差显著低于单一AHP或熵权法（图5—8），证明其稳定性。
- 误码率对比（图10）：传统单一误码率评价在动态场景中可能失效（如FHSS-PBN对抗在干信比不同区间优劣反转），需结合综合效用函数。

2. 博弈决策结果（表4）
- 场景1：均衡解为({(j_2, j_2), (a_2, a_2)})，敌方倾向FHSS抗干扰，我方选择PBN干扰；
- 场景2/3：均衡解显示敌方策略随干扰样式动态调整，验证模型对不完全信息的适应性。

五、结论与价值
1. 科学价值：
- 提出首个融合多指标与动态博弈的通信电子战干扰决策模型，填补了该领域理论空白；
- 改进AHP-熵权法解决了权重分配中主客观偏差问题。

2. 应用价值：
- 为电子战指挥员提供动态决策工具，可预判敌方策略并优化干扰样式选择；
- 仿真证明综合效用函数比单一误码率更符合实战需求。

六、研究亮点
1. 方法论创新：首次将改进AHP-熵权法、OWA/WGM算子与动态博弈结合；
2. 动态性突破：通过不完全信息博弈刻画敌我策略互动，优于静态模型；
3. 指标体系全面性：涵盖系统、行动、主观三类因素，更贴近实战。

七、其他价值
研究代码与仿真数据可为后续智能电子战（如强化学习框架）提供基准参考。