蔡宇轩 伍友利 陈鞭 甘跃鹏 吴鑫

摘 要：红外诱饵以其性价比高、 效果好的特点常用于红外对抗中。 研究其投掷策略， 可为诱饵的使用提供参考， 从而达到预期的干扰效果。 以红外诱饵投掷策略为研究对象， 设定3种对抗情形进行研究。 通过仿真系统得到试验数据， 然后采用层次聚类算法进行聚类分析。 聚類结果表明， 在设定的对抗情形下， 每组诱饵数和诱饵投掷时刻这两个因素对干扰效果影响较大。 在进入角为10°、 目标无机动情况下， 选择诱饵投掷时刻早且诱饵组数多的方式。 当进入角为140°时， 选择投掷时刻晚且每组诱饵数少的方式; 若目标转弯机动， 则选择投掷时刻晚且诱饵齐投数多的方式。 由此可以获得较好的干扰效果。

关键词：     红外对抗; 红外诱饵; 投掷策略; 层次聚类算法; 谱系聚类图

中图分类号：     TJ765; V249.32 文献标识码：    A  文章编号：     1673-5048（2021）06-0066-06

0 引  言

在红外对抗中， 飞机为了实现自我防护， 对抗红外制导导弹的威胁， 可采取多种对抗措施， 其中性价比高、 效果好的是投放红外诱饵。 红外诱饵装在载机发射器中， 通过适时发射可在一定空域内形成红外辐射， 从而诱偏导引头跟踪中心， 提高载机生存率。 大量实战表明， 目前红外诱饵仍是应用最广泛、 效果最显著、 使用量最大的红外干扰装备[1-2]。

国外关于红外诱饵干扰仿真研究起步较早， 而且不断地发展完善， 文献[3]基于红外制导导弹导引告警模型、 红外诱饵物理模型建立了最早的红外对抗评估系统， 但由于研究局限性， 其红外诱饵的运动和辐射特性均为简易模型。 文献[4]基于红外成像制导导弹目标识别能力及红外诱饵运动特性， 研究了红外抗干扰算法， 并进行了验证。 文献[5]建立了一种对抗模型， 该模型由飞机的威胁告警系统、 导弹攻击参数等模型组成， 用于计算在一定策略下投入对抗资源和飞机生还概率的关系。 文献[6-7]基于导弹的红外成像探测能力及多种红外诱饵特点， 运用抗干扰算法进行仿真， 对红外干扰策略进行研究。 研究结果表明， 当导弹和飞机形成尾后对抗态势， 就会存在一个锥形的抗干扰诱饵投放有效区域， 当导弹在此区域内， 飞机投放面源干扰可以使脱靶量达到50 m以上， 但该策略只适用于尾后攻击态势， 使用局限性较大。 国内对于相关领域研究起步较晚， 但近几年成果较为丰富， 文献[8-9]从红外诱饵本身材料、 结构出发， 探析其干扰机理， 研究其辐射特性， 并探讨燃烧产物与辐射强度的关系。 文献[10]立足于红外诱饵模型， 针对流体仿真建模法不考虑诱饵燃烧影响的缺点， 在增强离散相红外诱饵模型的基础上引入化学燃烧相， 构建高准确性的仿真模型， 并通过试验验证了模型精度。 文献[11]从诱饵所处系统的角度， 分析微型空射诱饵的功能特点， 给出诱饵任务载荷的系统组成方案， 从技术层面理解其作战运用。 对于投放策略研究， 文献[12]综合考虑了红外诱饵投放的数量、 间隔及投放过程中机动等因素， 得出对某二代红外制导导弹的对抗策略， 即连续投放诱饵数量4枚以上具有较好的干扰效果; 对某三代红外空空导弹， 要做到连续4～6枚诱饵， 同时飞机以最大过载规避能达到最好的干扰效果。 文献[13]重点研究了红外诱饵的干扰特性及红外导引头抗干扰原理， 针对拖曳诱饵模型进行投放策略研究， 得到结论： 目标在被锁定后， 首先发射拖曳诱饵， 当拖曳诱饵失效时尽可能多地投放红外诱饵， 同时进行滚筒机动， 可以更好地进行红外干扰。 文献[14]建立了红外诱饵的几何、 辐射及运动模型， 以F-16飞机平台模型为例， 运用红外成像图像处理算法及跟踪算法， 得出策略： 在对抗过程中， 飞机发射诱饵数量越多越好， 投放间隔小于0.5 s干扰效果最为突出。 以上研究均是在特定的条件下（红外导弹类型及飞机平台一定）进行投放策略研究， 至于利用机器学习中的相关算法进行红外诱饵的使用方法研究， 目前还不是太多。

本文将基于试验数据， 通过层次聚类算法， 研究红外诱饵投掷策略及其对红外导弹的干扰效能。 聚类前， 由谱系聚类图可直观地确定出合适的聚类类别数。 聚类后， 由聚类结果的对比分析， 可找出影响诱饵干扰效果的主要因素。 一方面可以缩小研究范围， 另一方面为诱饵投掷策略的选取提供参考。

1 红外诱饵投掷策略

投掷式红外诱饵因为释放延迟和作用时间均较短，因此一般采用响应式投放， 即在载机的红外告警系统发出提示后， 再根据已有程序投放诱饵， 并配合载机机动来躲避导弹攻击。 有时根据任务需要， 也会进行预先投放诱饵， 但该方法主要应用于提前预知到危险的一种规避策略， 对于空中格斗等场景应用性不强。 而要发挥出红外诱饵的干扰效能， 不仅要考虑诱饵本身的性能， 包括诱饵的辐射能量、 运动特性等， 还要考虑诱饵的作战使用， 即干扰策略， 包括使用环境、 干扰时机、 投掷方式等。 所以， 即使有一种先进的红外诱饵， 如果使用方法不当， 也不会达到预期的干扰效果[15]。 通常， 红外诱饵的使用策略一般包括诱饵的投放时机、 投放间隔、 投放组数以及投放数量等[16]。

基于以上分析， 红外诱饵投掷策略包含的因素选为诱饵总数、 诱饵齐投数、 每组诱饵数、 诱饵投掷时刻、 组内时间间隔和组间时间间隔6个， 诱饵组数可由诱饵总数除以每组诱饵数得到。

2 数据获取及处理

为了进行层次聚类分析， 首先需要获得诱饵投掷数据。 为此， 基于Matlab 2018a和Visual Studio 2010开发了红外对抗仿真系统[17-18]， 用于产生所需数据。 在该系统中， 诱饵投掷策略所含因素的典型取值如表1所示。

结合表1， 利用拉丁超立方试验设计方法， 设计出具体的诱饵投掷策略， 然后在仿真系统中进行试验， 即可得到所需数据。 在该系统中， 导弹脱靶量为试验结果量。

在红外弹与目标机的对抗过程中， 除了诱饵投掷策略涉及的因素外， 还有导弹进入角、 飞机机动类型、 弹目初始距离等影响因素。 在此， 分3种典型对抗情形来研究诱饵投掷策略。 3种情形下的导弹进入角、 飞机机动类型， 以及每种情形下设计的诱饵投掷策略个数， 即仿真试验次数， 如表2所示。 此外， 如弹目初始距离为5 km等其他因素， 在试验中均不变。 这3种对抗情形， 体现了3种典型的危险情形。 对抗情形1： 导弹进入角10°， 飞机无机动， 此时红外弹从尾后攻击目标， 辐射特征明显的尾焰暴露在导引头视场中， 便于识别跟踪， 且飞机没有机动逃逸， 此时对于飞机而言情况很危急。 对抗情形2： 导弹进入角140°， 飞机无机动， 此时红外弹迎头攻击目标， 部分飞机尾焰被机身遮挡， 影响到导引头的识别跟踪， 且飞机没有机动逃逸。 相比于对抗情形1， 此时情况比较危险。 对抗情形3： 导弹进入角140°， 飞机右转弯机动。 相比于对抗情形2， 飞机又有了机动逃逸， 此时对于飞机而言对抗情形一般。 在这3种具有代表性的对抗情形下研究诱饵投掷策略， 能得到典型结论， 也便于验证后续所用层次聚类法的有效性。

由表1中各因素的取值可知， 各因素之间的差异较大。 为了消除数量级数据带来的影响， 在进行聚类前， 需要对试验数据进行标准化预处理[19]， 即处理后的数据的均值为0， 标准差为1。 转化公式为

y=x-xσ （1）

式中： x为原始数据; x为原始数据的均值; σ为原始数据的标准差; y为标准化后的数据。 仿真试验数据经过标准化预处理后， 就可用于后续聚类分析。

3 层次聚类分析

3.1 层次聚类算法

实际应用中， 经常需要对大量数据或信息进行分类， 而层次聚类算法可在最少的假设下完成数据的聚类[20]。 聚类算法对应用场景几乎没有假设要求， 无需额外信息， 还能解决许多分类方法解决不了的问题， 可处理很多复杂和宽泛的问题， 如飞机成型模具表面波纹检测[21]、 处方用药分析[22]、 流量异常检测[23]等。

层次聚类是常用的聚类算法之一， 主要分为凝聚算法和分裂算法。 凝聚是指自下而上， 分裂是指自上而下， 两者在本质上一致。 以凝聚算法为例进行聚类分析， 凝聚开始时每个样本自成一类， 然后计算类与类之间的距离， 把最相近的类合并成一类， 如此重复， 自下而上合并， 最终得到一个大类。 在算法迭代过程中， 会涉及到类之间距离的计算及其他问题。 其中， 距离有最大距离、 最小距离和平均距离。 以最小距离为例进行聚类分析：

Dmin（Am，An）=mina1∈Am，a2∈AnD（a1，a2）（2）

式中： Am和An为不同的类; a1和a2为不同类中的点; D（a1，a2）表示两点之间的距离。

3.2 确定聚类数

由预处理后的数据画出各种对抗情形的谱系聚类图， 如图1所示。

以图1中情形1的谱系聚类图为例进行说明， 纵坐标为距离， 自下而上进行聚类。 开始时每个样本自成一类， 然后计算各类之间的距离， 把最相近的类合并成一类， 如此重复， 最终得到一个大类。 聚类类别数的确定方法如下： 当距离取为13时， 过此点作垂直于纵轴的直线， 与图中3条竖线相交， 意味着此种情况下可聚成3类; 同理， 距离取为20时， 与图中2条竖线相交， 意味着此种情况下可聚成2类。 但是， 若类别数取的太多， 则不便于各类别之间的分析比较， 且由谱系聚类图知， 类别数越多， 则类与类之间的距离就越小， 相邻类之间的区别就不大， 不利于后续分析及结论的获取。 若类别数取得太少， 如取为2， 只有2类， 则分析后获取的规律可能太少， 达不到预期的效果。 因此， 将各对抗情形的聚类类别数都取为3比较适中， 便于各类别之间的分析比较， 有利于后续结论的获取， 达到期望的效果。

3.3 聚类分析

3.3.1 情形1

由层次聚类算法， 按最小距离方案， 将试验数据聚成3类， 并按不同类别画出6个诱饵投掷因素的聚类结果图， 同时由每个类别中所含诱饵投掷策略及其产生的导弹脱靶量画出脱靶量分布图， 如图2所示。 即在该种对抗情形下， 把诱饵投掷策略分成3种情况来研究， 且每种类别有两张图。 左侧聚类结果图中， 横坐标1～6与表1中各序号相应的投掷因素对应， 纵坐标表示该类别中各因素的取值范围。 右侧图表示该类别的诱饵投掷策略下， 导致的导弹脱靶量分布情况， 可以反映出诱饵投掷策略的干扰效果。 若脱靶量整体取值比较大， 则干扰效果好， 反之， 则差。 通过分析比较3种类别的聚类结果图， 可以看出每种类别之间的区别主要集中在哪些因素上， 同时结合脱靶量分布图， 可以知道这些因素取相应范围内的值时， 最终的干扰效果好还是不好， 从而得到结果。

由图2可知， 在该种对抗情形下， 诱饵投掷策略各类别的区别主要集中在每组诱饵数和投掷时刻这两个因素上， 分析如下：

在类别1的红外诱饵投掷策略作用下， 导弹脱靶量集中在1.726～4.144 m。 此类策略下， 每组诱饵数相对其余2类而言是最多的， 则诱饵组数相对来说最少， 且诱饵齐投数大， 即单次投掷诱饵数多; 同时， 诱饵投掷时刻较早。 虽然在短时间内红外诱饵能产生较强的辐射， 但因为投放量大、 组数较少， 誘饵很快就消耗完， 即持续时间短， 则红外导弹在短暂的被诱偏后又能迅速锁定目标飞机， 直至击中目标。 因此， 此类投掷策略的干扰效果差。

在类别2的红外诱饵投掷策略作用下， 导弹脱靶量集中在1.630～7.374 m。 此类策略下， 每组诱饵数相对其余2类而言是最少的， 则诱饵组数相对来说最多， 且诱饵投掷时刻较早。 则红外导弹不仅受到干扰的时间早， 而且诱饵组数多， 干扰持续时间长， 导弹持续被诱偏， 能配合目标使目标驶离导引头视场。 且由图2（b）中的脱靶量图可知， 此类策略下， 有许多大脱靶量的点， 即有许多使导弹脱靶的诱饵投掷策略。 综上， 此类投掷策略的干扰效果好。

在類别3的红外诱饵投掷策略作用下， 导弹脱靶量集中在1.585～6.751 m。 此类策略下， 每组诱饵数相对其余2类而言适中， 则诱饵组数相对来说一般， 且诱饵投掷时刻较晚。 结合图2中各类别的脱靶量图可知， 此类投掷策略的干扰效果一般。

3.3.2 情形2

情形2的层次聚类结果如图3所示。

情形2的分析思路与情形1相同。 类别1中导弹脱靶量集中在15.645～15.930 m;  类别2集中在15.583～16.160 m;  类别3集中在15.650～15.911 m。 在情形2下， 即导弹进入角140°、 目标无机动、 弹目初始距离5 km时， 导弹从目标的侧前方来袭， 此时目标辐射特征明显的尾焰被机身遮挡住一部分， 此种情形对导弹来说已经比情形1复杂。 此时， 类别2单次投掷诱饵数多， 对导弹形成强干扰， 且投掷时刻晚， 同时每组诱饵数少， 即组数相对来说比较多， 则干扰持续时间长。 综合来看， 类别2的投掷策略干扰效果最好。

3.3.3 情形3

情形3的层次聚类结果如图4所示。

情形3的分析思路与情形2相同。 类别1中导弹脱靶量集中在16.595～17.503 m; 类别2集中在16.256～17.410 m; 类别3集中在16.407～18.250 m。 在情形3下， 即导弹进入角140°、 目标右转弯机动、 弹目初始距离5 km时， 与情形2相似， 只不过目标飞机有转弯机动。 此时， 类别3单次投掷诱饵数多， 对导弹形成强干扰; 同时， 投掷时刻晚， 目标还有转弯机动逃逸， 则留给红外导弹重新锁定目标的时间短， 且在短时间内向目标方向机动需要很大的过载， 对导弹性能要求高， 实现困难。 因此， 导弹容易脱靶。 综合来看， 类别3的投掷策略干扰效果最好。

综上， 在文中考虑的对抗情形下， 通过层次聚类算法分析后， 可以发现每组诱饵数和诱饵投掷时刻这两个诱饵投掷因素对干扰效果影响较大， 其合适的取值组合能达到较好的干扰效果。

4 结  论

本文基于红外对抗仿真系统产生所需数据， 根据聚类谱系图确定诱饵投掷策略的聚类类别数， 采用层次聚类算法进行聚类分析， 结论如下：

（1） 聚类谱系图可直观地为确定聚类类别数作参考。 根据聚类谱系图纵坐标上的距离值及图中的竖线， 结合实际情况， 可确定出合适的类别数。 本文由聚类谱系图确定的3种情形下红外诱饵投掷策略类别数均为3。

（2） 层次聚类算法可用于红外诱饵投掷策略研究， 发现对诱饵干扰效能影响较大的因素， 在文中考虑的对抗情形下， 为每组诱饵数和诱饵投掷时刻这两个因素。 通过层次聚类分析得到的结果， 可以作为参考， 指导红外诱饵的使用， 达到预期的干扰效果。 在情形1导弹进入角为10°、 目标无机动、 弹目初始距离为5 km等条件保持不变的情况下， 仅改变诱饵投掷策略， 经过层次聚类分析发现， 在诱饵投掷时刻早， 且诱饵组数多的投掷方式下， 红外诱饵干扰效果好。 当进入角为140°时， 由情形2知， 每组诱饵数少， 且投掷时刻晚时， 干扰效果好。 当进入角为140°、 目标转弯机动时， 由情形3知， 诱饵齐投数多， 且投掷时刻晚时， 干扰效果好。

后期将会继续研究其他对抗场景下的红外诱饵投掷策略， 进一步细化诱饵投掷组合方式， 增加试验数据量。

参考文献：

[1] 马贤杰， 李国平， 王洪静， 等. 国外红外导引头及红外诱饵发展历程与展望[J]. 航天电子对抗， 2020， 36（3）： 58-64.

Ma Xianjie， Li Guoping， Wang Hongjing， et al. Development Roadmap and Direction of Infrared Seekers and Infrared Decoys[J]. Aerospace Electronic Warfare， 2020， 36（3）： 58-64.（in Chinese）

[2] 万纯， 马榜. 面源红外诱饵技术应用研究[J]. 航天电子对抗， 2018， 34（4）： 29-33.

Wan Chun， Ma Bang. Application Research of Surface-Type IR Decoy Technique[J]. Aerospace Electronic Warfare， 2018， 34（4）： 29-33.（in Chinese）

[3] Forrai D P， Maier J J. Generic Models in the Advanced IRCM Assessment Model[C]∥Proceedings of the Winter Simulation Conference， 2001： 789-796.

[4] Polasek M， Nemecek J， Pham I Q. Counter Countermeasure Method for Missile’s Imaging Infrared Seeker[C]∥IEEE/AIAA 35th Digital Avionics Systems Conference （DASC）， 2016： 1-8.

[5] Hovland H. Improved Self-Protection Using Dynamically Optimized Expendable Countermeasures[C]∥ Proceedings of SPIE 6540， Optics and Photonics in Global Homeland Security III， 2007， 6540： 117-123.

[6] Viau C R. Expendable Countermeasure Effectiveness against Imaging Infrared Guided Threats[R]. Canada： Tactical Technologies Inc.， 2012.

[7] Viau C R. Implementation of Intensity Ratio Change and Line-of-Sight Rate Change Algorithms for Imaging Infrared Trackers[C]∥ Proceedings of SPIE 8355， Infrared Imaging Systems： Design， Analysis， Modeling， and Testing XXIII， 2012， 8355： 210-223.

[8] 邵晓光. 红外抗诱饵干扰技术研究[J]. 制导与引信， 2019， 40（2）： 12-16.

Shao Xiaoguang. Research of the Anti-Jamming Technique[J]. Guidance & Fuze， 2019， 40（2）： 12-16.（in Chinese）

[9] 金青君， 吴昱， 史红星， 等. Mg/αβ/PTFE紅外诱饵剂的辐射性能表征与计算[J]. 火工品， 2020（3）： 41-44.

Jin Qingjun， Wu Yu， Shi Hongxing， et al. Characterization and Calculation of Radiation Performance of Mg/αβ/PTFE Infrared Decoy[J]. Initiators & Pyrotechnics， 2020（3）： 41-44.（in Chinese）

[10] 杨春玲， 张振东， 张潼奕聿. 基于增强型离散相模型和化学燃烧的红外诱饵弹建模方法[J]. 航空学报， 2020， 41（12）： 123682.

Yang Chunling， Zhang Zhendong， Zhang Tongyiyu. Infrared Decoy Modeling Method Based on Enhanced Discrete Phase Model and Chemical Combustion[J]. Acta Aeronautica et Astronautica Sinica， 2020， 41（12）： 123682.（in Chinese）

[11] 陈美杉， 曾维贵， 李湉雨. 微型空射诱饵任务载荷系统设计与工作状态分析[J]. 上海航天（中英文）， 2020， 37（6）： 77-82.

Chen Meishan， Zeng Weigui， Li Tianyu. System Design and Performance Analysis of MALD Mission Load[J]. Aerospace Shanghai （Chinese & English）， 2020， 37（6）： 77-82.（in Chinese）

[12] 童奇， 李建勋， 童中翔， 等. 机载红外诱饵作战使用方法[J]. 红外与激光工程， 2015， 44（2）： 419-427.

Tong Qi， Li Jianxun， Tong Zhongxiang， et al. Combat Operational Method of Airborne Infrared Decoy[J]. Infrared and Laser Engineering， 2015， 44（2）： 419-427.（in Chinese）

[13] 童中翔， 李传良， 姚本君. 红外诱饵干扰下的导弹作战效能仿真[J]. 系统仿真学报， 2008， 20（11）： 2868-2871.

Tong Zhongxiang， Li Chuanliang， Yao Benjun. Combat Effectiveness Simulation of Infrared Jam Projected by Fighter Plane[J]. Journal of System Simulation， 2008， 20（11）： 2868-2871.（in Chinese）

[14] 郭亚峰. 红外诱饵弹干扰模式与干扰效果的研究[D]. 南京： 南京航空航天大学， 2012.

Guo Yafeng. Research on Disturbance Pattern and Effect of Infrared Decoy Projectile[D]. Nanjing： Nanjing University of Aeronautics and Astronautics， 2012. （in Chinese）

[15] 孙卫， 王彪， 黄金科， 等. 面源红外诱饵对抗红外制导导弹干扰策略研究[J]. 激光与红外， 2019， 49（6）： 706-713.

Sun Wei， Wang Biao， Huang Jinke， et al. Research on Jamming Strategy of Surface-Type Infrared Decoy Against Infrared Guided Missile[J]. Laser & Infrared， 2019， 49（6）： 706-713.（in Chinese）

[16] 李石川， 王刚， 陈元泰， 等. 机载红外诱饵技术及干扰策略研究[J]. 航天电子对抗， 2018， 34（2）： 38-41.

Li Shichuan， Wang Gang， Chen Yuantai， et al. Study on Airborne IR Decoy Technology and Tactical Strategy[J]. Aerospace Electronic Warfare， 2018， 34（2）： 38-41.（in Chinese）

[17] 吴鑫， 伍友利， 高翔， 等. 基于FP增长算法的红外抗干扰评估指标简约方法[J]. 空军工程大学学报： 自然科学版， 2021， 22（1）： 99-104.

Wu Xin， Wu Youli， Gao Xiang， et al. Research on Simplified Method of Infrared Anti-Interference Evaluation Index Based on FP-Growth Algorithm[J]. Journal of Air Force Engineering University： Natural Science Edition， 2021， 22（1）： 99-104.（in Chinese）

[18] 牛得清， 伍友利， 徐洋， 等. 点源红外诱饵干扰下环境复杂度量化建模[J]. 红外与激光工程， 2020， 49（2）： 199-207.

Niu Deqing， Wu Youli， Xu Yang， et al. Quantification Modeling for Environmental Complexity under Point Source Infrared Decoy Interference[J]. Infrared and Laser Engineering， 2020， 49（2）： 199-207.（in Chinese）

[19] 張良均， 杨坦， 肖刚. MATLAB数据分析与挖掘实战[M]. 北京： 机械工业出版社， 2015： 72-113.

Zhang Liangjun， Yang Tan， Xiao Gang. MATLAB Data Analysis and Data Mining[M]. Beijing： China Machine Press， 2015： 72-113.（in Chinese）

[20] 周世杰. 层次聚类的算法研究[J]. 课程教育研究， 2018（40）： 240-241.

Zhou Shijie.Research on Algorithm of Hierarchical Clustering [J]. Course Education Research， 2018（40）： 240-241.（in Chinese）

[21] 王文杰， 刘漫贤， 杜汶娟， 等. 基于层次聚类的飞机成型模具表面波纹检测技术[J]. 科学技术与工程， 2020， 20（27）： 11192-11197.

Wang Wenjie， Liu Manxian， Du Wenjuan， et al. Surface Waviness Detection Technology Based on Hierarchical Clustering for Aircraft Molding Die[J]. Science Technology and Engineering， 2020， 20（27）： 11192-11197.（in Chinese）

[22] 王慧敏， 龚庆悦， 胡孔法， 等. 基于层次聚类的失眠处方用药分析[J]. 计算机时代， 2020（3）： 28-31.

Wang Huimin， Gong Qingyue， Hu Kongfa， et al. Analyzing Insomnia Prescription Drugs with Hierarchical Clustering[J]. Computer Era， 2020（3）： 28-31.（in Chinese）

[23] 蹇诗婕， 卢志刚， 姜波， 等. 基于层次聚类方法的流量异常检测[J]. 信息安全研究， 2020， 6（6）： 474-481.

Jian Shijie， Lu Zhigang， Jiang Bo， et al. Flow Anomaly Detection Based on Hierarchical Clustering Method[J]. Journal of Information Security Research， 2020， 6（6）： 474-481.（in Chinese）

Research on Infrared Decoy Throwing Strategy

Based on Hierarchical Clustering Algorithm

Cai Yuxuan， Wu Youli*，  Chen Bian， Gan Yuepeng， Wu Xin

（Aeronautics Engineering College， Air Force Engineering University， Xi’an 710038， China）

Abstract： Infrared decoy is often used in infrared countermeasure because of its high cost performance and good effect. Research on its throwing strategy can provide reference for the use of decoy， so as to achieve the expected interference effect. Taking the infrared decoy throwing strategy as the research object， three countermea-sure situations are set. The experimental data are obtained through the simulation system， and then the hierarchical clustering algorithm is used for cluster analysis.  The clustering results show that in the set confrontation situation， the number of decoys in each group and the time of decoy throwing have a great influence on the interference effect. When the entry angle is 10° and the target has no maneuver， the way of early decoy throwing time and more decoy groups is selected. When the entry angle is 140°， the method of late throwing time and less decoy per group is selected. If the target has a turning maneuver， the method of late throwing time and more simultaneous decoy is selected. Thus， better interference effect can be obtained.

Key words：  infrared countermeasure; infrared decoy; throwing strategy; hierarchical clustering algorithm; pedigree clustering diagram