許宏泉 劉 庚

(武漢市74223信箱1) 武漢 430074)(武漢數(shù)字工程研究所2) 武漢 430074)

1 雷達(dá)輻射源識(shí)別背景

雷達(dá)輻射源識(shí)別技術(shù)是目標(biāo)識(shí)別技術(shù)的重要組成部分,在軍事作戰(zhàn)中,發(fā)現(xiàn)目標(biāo)主要依靠雷達(dá)探測(cè),雷達(dá)探測(cè)會(huì)輻射電磁波,我方可以通過電子偵察設(shè)備在接收空間范圍內(nèi)被動(dòng)的接收并捕獲敵方發(fā)射的電磁波,并快速計(jì)算出電磁輻射源的方位和頻率等參數(shù),雷達(dá)輻射源識(shí)別技術(shù)依據(jù)這些電磁波的參數(shù),按照某種規(guī)則和算法及查詢輻射源特征數(shù)據(jù)庫(kù),判斷出發(fā)射該電磁波雷達(dá)的用途或類型,進(jìn)而推斷出敵方平臺(tái)的類型或是型號(hào),為我方制定作戰(zhàn)預(yù)案提供參考依據(jù),做到先發(fā)制敵,取得戰(zhàn)場(chǎng)的主動(dòng)權(quán)[1]。

然而,雷達(dá)自二戰(zhàn)以來有了很大的發(fā)展,尤其是近二十幾年,雷達(dá)的功能越來越多樣,體制越來越復(fù)雜,配置數(shù)量大大增加。當(dāng)前,各國(guó)的雷達(dá)工作體制除了繼續(xù)使用原有的搜索雷達(dá)、圓錐掃描雷達(dá)等常規(guī)體制外,還不斷使用頻率分集雷達(dá)、載頻準(zhǔn)正弦捷變雷達(dá)、載頻隨機(jī)捷變雷達(dá)、脈沖重頻調(diào)制雷達(dá)、正弦波調(diào)制雷達(dá)、脈沖壓縮雷達(dá)及相控陣?yán)走_(dá)等特殊工作體制,并且配置數(shù)量也越來越多[2]。由于雷達(dá)在現(xiàn)代戰(zhàn)爭(zhēng)中的應(yīng)用日益增多,頻譜迅速擴(kuò)展,導(dǎo)致電磁信號(hào)環(huán)境高度密集。

從以上分析得知,利用計(jì)算機(jī)技術(shù),并結(jié)合現(xiàn)代信號(hào)處理及各種智能化識(shí)別技術(shù),自動(dòng)、實(shí)時(shí)地對(duì)艦載雷達(dá)輻射源進(jìn)行分類識(shí)別成為一項(xiàng)有難度而又十分必要和緊迫的工作。

2 雷達(dá)輻射源識(shí)別系統(tǒng)

雷達(dá)輻射源識(shí)別是指通過分析截獲的雷達(dá)信號(hào),得到信號(hào)中雷達(dá)的工作參數(shù)和特征參數(shù),然后利用這些參數(shù)獲取該雷達(dá)的體制、用途和型號(hào)等信息,進(jìn)而掌握其被裝載的軍艦、飛機(jī)等平臺(tái)的工作狀態(tài)、制導(dǎo)方式,了解其戰(zhàn)術(shù)運(yùn)用特點(diǎn)、活動(dòng)規(guī)律和作戰(zhàn)能力。圖1是單信息源雷達(dá)輻射源識(shí)別示意圖。

圖1 單信息源雷達(dá)輻射源識(shí)別示意圖

圖1中,首先,在電子偵察設(shè)備收到輻射源信號(hào)以后進(jìn)行特征提取,以得到有效的特征向量;其次,利用特征數(shù)據(jù)庫(kù)對(duì)提取到的特征向量進(jìn)行分類識(shí)別,得到雷達(dá)的型號(hào)及類型等信息;最后,通過平臺(tái)映射來判斷出雷達(dá)所被裝載的平臺(tái)。

但在實(shí)際情況下,作戰(zhàn)指揮中心往往會(huì)收到來自多個(gè)不同信息源的多個(gè)雷達(dá)輻射源目標(biāo)。可以通過這多個(gè)信息源來共同識(shí)別判定雷達(dá)輻射源,其決策級(jí)識(shí)別流程如圖2所示。

圖2 多信息源雷達(dá)輻射源識(shí)別示意圖

在多信息源決策級(jí)識(shí)別方法中,每個(gè)信息源分別完成特征提取和身份判別的變換,獲得獨(dú)立的身份估計(jì),通過相關(guān)處理后再對(duì)不同信息源關(guān)于同一雷達(dá)輻射源目標(biāo)的身份屬性進(jìn)行融合,給出雷達(dá)輻射源目標(biāo)的一個(gè)聯(lián)合身份說明。

在識(shí)別流程中,目標(biāo)識(shí)別算法是雷達(dá)輻射源識(shí)別的核心。在實(shí)際的工程應(yīng)用中,算法的適應(yīng)性將直接影響到識(shí)別的結(jié)果或識(shí)別效能。在雷達(dá)輻射源識(shí)別系統(tǒng)中主要涉及分類識(shí)別和身份融合兩種識(shí)別算法。

3 分類識(shí)別算法

在單信息源雷達(dá)輻射源識(shí)別中主要用到的是分類識(shí)別算法,分類識(shí)別是指對(duì)表征事物或現(xiàn)象的各種形式(數(shù)值、文字或邏輯關(guān)系)的信息進(jìn)行處理和分析,以及對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程。分類識(shí)別算法可大致分為如下幾類[3],如圖3所示。

通常使用的分類識(shí)別技術(shù)主要包括相似系數(shù)法、參數(shù)模板法、聚類分析法、神經(jīng)網(wǎng)絡(luò)法、物理模型法和基于知識(shí)的方法。

相似系數(shù)法利用特征向量度量?jī)蓚€(gè)目標(biāo)的相似程度,其數(shù)學(xué)模型為[4]:

如果Rxy→1.0,則目標(biāo)X正確地被識(shí)別為目標(biāo)Y;如果Rxy→0.0,則目標(biāo)X與目標(biāo)Y不屬于同一個(gè)目標(biāo);如果Rxy→0.5,則不進(jìn)行決策。相似系數(shù)法描述了特征向量相對(duì)于目標(biāo)向量的接近程度。盡管其模型比較簡(jiǎn)單,但在某些情況下比較實(shí)用。

圖3 目標(biāo)識(shí)別方法分類

神經(jīng)網(wǎng)絡(luò)技術(shù)[5]是模仿生物神經(jīng)連接產(chǎn)生特征向量與身份分類之間映射的非線性變換技術(shù)。具有代表性的是BP神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)模型是一種多層感知器模型,包括輸入層、隱含層和輸出層。輸入層通過隱含層映射到輸出層,而映射誤差又從輸出層回送到輸入層,當(dāng)總的映射誤差趨近于零時(shí),完成映射。BP算法的識(shí)別成功率依賴于來自訓(xùn)練模型的最佳加權(quán)矩陣和所使用的訓(xùn)練數(shù)據(jù)等因素。其問題是無法預(yù)測(cè)收斂所需要的迭代步數(shù),一般需要迭代上千次才能收斂。此外,該模型的應(yīng)用還需對(duì)如下幾個(gè)方面進(jìn)行深入研究:網(wǎng)絡(luò)模型的選擇、層數(shù)和節(jié)點(diǎn)數(shù)的選擇、導(dǎo)出訓(xùn)練策略的選擇等。

物理模型法[3]通過一個(gè)物理模型直接計(jì)算實(shí)體的特征信號(hào),但是該方法對(duì)實(shí)體信號(hào)的預(yù)測(cè)必須基于備選對(duì)象的物理表征,而每個(gè)對(duì)象或?qū)ο箢愋涂赡苄枰煌奈锢砟Ｐ汀２⑶椅锢砟Ｐ涂赡芎軓?fù)雜,需要很大的軟件程序,即使物理模型比較簡(jiǎn)單或利用預(yù)先設(shè)定的信號(hào)數(shù)據(jù),觀測(cè)模型及預(yù)處理過程也可能很復(fù)雜。以上原因限制了物理模型在實(shí)時(shí)系統(tǒng)中的應(yīng)用,然而,在非實(shí)時(shí)系統(tǒng)中,該方法對(duì)于研究潛在的物理現(xiàn)象有著十分重要的作用。

基于知識(shí)的方法[3]借助規(guī)則、符號(hào)表達(dá)式、框架等表示對(duì)象的身份或特征。此種技術(shù)通過知識(shí)表示和推理模擬人類對(duì)事物的認(rèn)識(shí)過程。例如專家系統(tǒng),它使用知識(shí)表示技術(shù)和推理技術(shù)進(jìn)行推斷,以獲得所需要的結(jié)論?；谥R(shí)的方法是一種智能化的識(shí)別方法,實(shí)現(xiàn)過程比較復(fù)雜。

聚類分析法[3]是一種把數(shù)據(jù)組合為表示對(duì)象身份的自然聚類技術(shù)。它的基本思想是根據(jù)各個(gè)待分類的模式特征的相似程度進(jìn)行分類,相似的歸為一類,不相似的作為另外一類。給出了聚類分析的概念模型,包括兩個(gè)基本內(nèi)容:模式相似性度量和聚類算法。

圖4 聚類分析概念模型

相似性測(cè)度的算法主要分為兩種:

距離測(cè)度法:歐氏距離、絕對(duì)值距離、切氏距離、明氏距離、馬氏距離等。

相似度量法:角度相似系數(shù)、相關(guān)系數(shù)、指數(shù)相似系數(shù)、格貼近度等。

這些相似性測(cè)度算法各具特點(diǎn),在實(shí)際應(yīng)用中可根據(jù)具體問題選定。建立了模式相似性測(cè)度之后,兩個(gè)模式的相似程度就可以用數(shù)值來表征,據(jù)此便可以采用相應(yīng)的聚類算法進(jìn)行分類和識(shí)別。

4 身份融合算法

身份融合是指多個(gè)信息源分別進(jìn)行獨(dú)立的身份變換,各自得到獨(dú)立的身份信息,然后根據(jù)相關(guān)信息將可以相關(guān)上的目標(biāo)進(jìn)行身份的合成,得到一個(gè)聯(lián)合的身份說明。

在多傳感器系統(tǒng)中,由于傳感器的精度、系統(tǒng)組成的諸多環(huán)節(jié)、外部環(huán)境以及精度等自身?xiàng)l件的影響,導(dǎo)致系統(tǒng)具有不確定性,降低目標(biāo)識(shí)別的準(zhǔn)確性,因此我們需要采用身份融合算法,把分布在不同位置的多個(gè)傳感器所提供的局部觀察量加以綜合,消除多傳感器之間可能存在的冗余和矛盾,降低其不確定性。

目前身份融合算法主要包括經(jīng)典推理、Bayes推理與D-S證據(jù)理論三種方法。

經(jīng)典推理方法[3]使用經(jīng)驗(yàn)概率模型,用二值假設(shè)檢驗(yàn)的方法,在已知先驗(yàn)概率的條件下對(duì)事件的存在與否進(jìn)行判別。經(jīng)典推理的優(yōu)點(diǎn)是,使用抽樣分布,并且能提供判定誤差概率的一個(gè)度量值。但一次僅能估計(jì)兩個(gè)假設(shè),即假設(shè)和與其相對(duì)的備擇假設(shè);多變量數(shù)據(jù)的復(fù)雜性提高;需要一個(gè)先驗(yàn)密度函數(shù)的有效度,否則不能直接使用先驗(yàn)估計(jì)。

Bayes推理[6]基于Bayes統(tǒng)計(jì)理論。它綜合了先驗(yàn)信息和試驗(yàn)提供的信息,形成了關(guān)于假設(shè)的可能性大小的當(dāng)前認(rèn)識(shí),這個(gè)從先驗(yàn)信息到后驗(yàn)信息的轉(zhuǎn)化過程就是Bayes統(tǒng)計(jì)的特征。Beyes統(tǒng)計(jì)的基本觀點(diǎn)是把未知參數(shù)看作一個(gè)有一定概率分布的隨機(jī)變量。這個(gè)分布總結(jié)了在抽樣以前對(duì)未知參數(shù)的了解,因此稱為先驗(yàn)分布。Bayes推理在許多領(lǐng)域有廣泛的應(yīng)用,但在目標(biāo)識(shí)別中直接使用這一公式主要有以下困難:第一,一個(gè)證據(jù)的概率是在大量的統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上得出的,這使得定義先驗(yàn)函數(shù)非常困難;第二,要求各證據(jù)之間是不相容或相互獨(dú)立的,當(dāng)存在多個(gè)可能假設(shè)和多條件相關(guān)事件時(shí),計(jì)算復(fù)雜性迅速增加;第三,缺乏分配總的不確定性的能力。

D-S證據(jù)理論[7]最早是由Dempster提出的,Shafer又對(duì)這一理論進(jìn)行了推廣,使之適用于一般的不確定性水平。在證據(jù)理論中,傳感器的信息被認(rèn)為是關(guān)于作業(yè)環(huán)境或目標(biāo)的某些描述的證據(jù),這種證據(jù)通常是不確定和不完善的,并且有誤差。每個(gè)證據(jù)包含多個(gè)命題,對(duì)于每個(gè)命題賦予一個(gè)置信概率。一個(gè)證據(jù)集合本身可作為識(shí)別框架,也可以認(rèn)為是一個(gè)特別的集合函數(shù)。信息融合的基本方法是Dempster組合規(guī)則,它可將同一識(shí)別框架的兩個(gè)不同的證據(jù)集合合成為一個(gè)新的證據(jù)集合,根據(jù)這個(gè)集合給出目標(biāo)的唯一身份。

5 結(jié)語

本文介紹了雷達(dá)輻射源識(shí)別的概念、用途以及現(xiàn)在所面臨的挑戰(zhàn);介紹了單信息源識(shí)別流程和多信息源識(shí)別流程,說明了兩種流程的差別;最后介紹了雷達(dá)輻射源識(shí)別中的關(guān)鍵部分,即分類識(shí)別算法和身份融合算法,并對(duì)各算法優(yōu)缺點(diǎn)進(jìn)行了分析。

[1]朱英凱.基于模式識(shí)別技術(shù)的雷達(dá)輻射源分類識(shí)別方法研究[D].哈爾濱:哈爾濱工程大學(xué),2007

[2]張國(guó)柱.雷達(dá)輻射源識(shí)別技術(shù)研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué),2005

[3]王小非.C3I系統(tǒng)中的數(shù)據(jù)融合技術(shù)[M].哈爾濱:哈爾濱工程大學(xué)出版社,2006

[4]孫即祥.現(xiàn)代模式識(shí)別[M].長(zhǎng)沙:國(guó)防科技大學(xué)出版社,2003

[5]唐健仁,朱元清.用神經(jīng)網(wǎng)絡(luò)進(jìn)行雷達(dá)輻射源識(shí)別的研究[J].空軍雷達(dá)學(xué)院學(xué)報(bào),2007(1):8～13

[6]郭小賓.基于貝葉斯網(wǎng)絡(luò)的目標(biāo)綜合識(shí)別方法研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué),2004

[7]蓋明久,關(guān)欣,衣曉,時(shí)寶.基于條件證據(jù)理論的雷達(dá)輻射源識(shí)別方法[J].西安電子科技大學(xué)學(xué)報(bào),2006(5):833～837