張彪，閆曉鵬，栗蘋，李志強(qiáng)，池慶璽（.北京理工大學(xué)機(jī)電動(dòng)態(tài)控制重點(diǎn)實(shí)驗(yàn)室，北京0008；.北京機(jī)電工程研究所先進(jìn)制導(dǎo)控制技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京00074）

?

基于支持向量機(jī)的無線電引信抗掃頻式干擾研究

張彪1，閆曉鵬1，栗蘋1，李志強(qiáng)2，池慶璽2
（1.北京理工大學(xué)機(jī)電動(dòng)態(tài)控制重點(diǎn)實(shí)驗(yàn)室，北京100081；2.北京機(jī)電工程研究所先進(jìn)制導(dǎo)控制技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京100074）

摘要：掃頻式干擾對(duì)無線電引信威脅很大，為此研究了支持向量機(jī)方法在無線電引信抗掃頻式干擾中應(yīng)用的可行性。以連續(xù)波多普勒無線電引信為例，從理論上分析掃頻干擾信號(hào)作用下引信檢波輸出信號(hào)的頻譜特征。提出一種基于傅里葉頻譜的特征參量提取方法，并利用支持向量機(jī)對(duì)干擾信號(hào)與目標(biāo)信號(hào)進(jìn)行分類識(shí)別。識(shí)別實(shí)驗(yàn)結(jié)果表明，該方法可以獲得很高的分類識(shí)別正確率，能夠有效提高連續(xù)波多普勒無線電引信的抗掃頻式干擾能力，將支持向量機(jī)應(yīng)用于無線電引信抗干擾可以獲得很好的效果。

關(guān)鍵詞：兵器科學(xué)與技術(shù)；無線電引信；掃頻式干擾；支持向量機(jī)

閆曉鵬（1976—），男，副教授。E-mail：yanxiaopeng@ bit. edu. cn

0 引言

現(xiàn)代戰(zhàn)場(chǎng)電磁環(huán)境日益復(fù)雜，無線電引信面臨嚴(yán)重的干擾，其中人工有源干擾對(duì)無線電引信威脅最大［1］。引信是武器系統(tǒng)的重要組成部分，引信的探測(cè)裝置能否在復(fù)雜干擾環(huán)境下獲得所需要的足夠精確的信息，是引信能否完成其作戰(zhàn)使命的關(guān)鍵所在，影響到整個(gè)武器系統(tǒng)性能的發(fā)揮。如何充分提取和利用引信的目標(biāo)信息特征，并對(duì)信號(hào)進(jìn)行分類識(shí)別，是提高無線電引信抗干擾性能要解決的關(guān)鍵問題之一。

支持向量機(jī)（SVM）是建立在統(tǒng)計(jì)學(xué)習(xí)Vapnik-Chervonenkis維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上的一種機(jī)器學(xué)習(xí)方法［2 -3］，因其在解決小樣本、非線性及高維模式識(shí)別中的優(yōu)勢(shì)而廣泛應(yīng)用于文本分類、生物醫(yī)學(xué)、故障診斷等領(lǐng)域［4］。SVM在雷達(dá)信號(hào)識(shí)別與抗干擾中已得到成功運(yùn)用［5 -7］，但將SVM應(yīng)用于無線電引信的研究報(bào)道并不多。文獻(xiàn)［8］利用地面坦克目標(biāo)信號(hào)起伏大、“毛刺”少而雜波信號(hào)起伏小、“毛刺”多這一目標(biāo)信號(hào)與背景雜波信號(hào)的差異性，提取信號(hào)幅度的歸一化方差和小周期頻數(shù)多普勒周期頻數(shù)比例兩個(gè)特征參量作為SVM的輸入，對(duì)地面有無目標(biāo)進(jìn)行了自動(dòng)識(shí)別，并得到了較高的識(shí)別正確率。文獻(xiàn)［9］建立了連續(xù)波多普勒引信遠(yuǎn)場(chǎng)單點(diǎn)目標(biāo)和近場(chǎng)多點(diǎn)目標(biāo)模型，將信號(hào)的調(diào)幅帶寬和調(diào)頻帶寬作為特征參量，輸入SVM對(duì)遠(yuǎn)場(chǎng)欺騙式干擾信號(hào)和近場(chǎng)體目標(biāo)信號(hào)進(jìn)行分類識(shí)別，仿真結(jié)果表明基于SVM的連續(xù)波多普勒引信目標(biāo)信號(hào)識(shí)別方法有效。

連續(xù)波多普勒引信在國內(nèi)外的常規(guī)彈藥中仍然廣泛采用，但是這種體制的引信很難有效對(duì)抗掃頻式干擾［10］。本文針對(duì)嚴(yán)重威脅連續(xù)波多普勒無線電引信的掃頻式干擾信號(hào)，提出基于傅里葉頻譜的特征參量作為SVM的輸入對(duì)引信檢波輸出信號(hào)進(jìn)行分類識(shí)別，能夠有效區(qū)分目標(biāo)回波信號(hào)與掃頻干擾信號(hào)作用下的引信檢波輸出信號(hào)。

1 連續(xù)波多普勒引信檢波信號(hào)特征提取

1. 1 掃頻干擾信號(hào)頻譜分析

干擾機(jī)在對(duì)引信進(jìn)行干擾時(shí)，掃頻帶寬必須覆蓋引信的工作頻帶，掃頻信號(hào)的載頻會(huì)在一定頻率范圍內(nèi)按一定規(guī)律來回?cái)[動(dòng)。設(shè)干擾機(jī)的掃頻起始頻率為ωj0，掃頻終止頻率為ωjN，掃頻步長為Δω，第n個(gè)掃頻點(diǎn)的干擾信號(hào)載頻為ωjn，其中第0個(gè)掃頻點(diǎn)載頻即為掃頻起始頻率ωj0，掃頻總點(diǎn)數(shù)為N +1，則

因?yàn)楦蓴_機(jī)所發(fā)射的掃頻干擾信號(hào)的載頻是離散變化的，所以引信接收到的進(jìn)入混頻器前的干擾信號(hào)表達(dá)式應(yīng)該是一個(gè)分段函數(shù)，可以將其寫成與門函數(shù)相乘的形式。一般干擾機(jī)距離引信較遠(yuǎn)，干擾信號(hào)在干擾期間可以認(rèn)為是等幅的或接近于等幅的，因此假設(shè)引信接收到的干擾信號(hào)能量相同。若引信的工作頻率在干擾機(jī)掃頻范圍內(nèi)，且引信在干擾機(jī)掃頻到第k個(gè)點(diǎn)時(shí)被干擾而啟動(dòng)，則引信所接收到的混頻前的干擾信號(hào)sj（t）的表達(dá)式為

式中：Aj為干擾信號(hào)載波幅值；φjn為干擾信號(hào)起始相位，設(shè)φjn= 0；f（t）為干擾調(diào)制信號(hào)波形，掃頻式干擾調(diào)制信號(hào)波形有各種形式，如三角波、正弦波、鋸齒波和方波等，以正弦波調(diào)幅掃頻干擾信號(hào)為例進(jìn)行分析，f（t）= AjMcos（ωjMt +φjM），其中AjM為調(diào)制信號(hào)幅值，ωjM為調(diào)制頻率，φjM為調(diào)制信號(hào)起始相位，設(shè)φjM= 0；Δt為干擾機(jī)在每個(gè)掃頻點(diǎn)的駐留時(shí)間。

設(shè)引信本振信號(hào)表達(dá)式為

式中：AL為本振信號(hào)幅值；ωL為本振頻率；φL為本振信號(hào)起始相位，設(shè)φL=0.

引信的混頻信號(hào)sm（t）是本振信號(hào)與接收信號(hào)差頻后的中頻信號(hào)，即混頻信號(hào)表達(dá)式為

引信的檢波輸出信號(hào)是經(jīng)過低通濾波器濾除（ωjn+ωL）高頻分量后的混頻信號(hào)，但引信的低通濾波器一般不是理想低通濾波器，對(duì)多普勒頻帶內(nèi)的信號(hào)衰減較小，隨著信號(hào)頻率升高衰減越來越大，因此檢波輸出信號(hào)sd（t）的表達(dá)式為

式中：An為考慮低通濾波器對(duì)不同頻率信號(hào)的衰減系數(shù)，n =0，1，…，k；A1n=ALAjAn；A2n=ALAjMAn；ωd=ωjn-ωL；g＇n（t）為經(jīng)過低通濾波后的門函數(shù)表達(dá)式。令

對(duì)s（t）進(jìn)行傅里葉變換

對(duì)gn（t）進(jìn)行傅里葉變換

設(shè)經(jīng)過低通濾波后的門函數(shù)g＇n（t）的傅里葉變換為G＇（ω），則檢波輸出信號(hào)sd（t）的傅里葉變換為

式中：*表示卷積運(yùn)算。當(dāng)干擾機(jī)第k個(gè)掃頻點(diǎn)的干擾信號(hào)載波頻率ωjk與引信本振信號(hào)頻率ωL比較接近時(shí)，引信可能出現(xiàn)牽引震蕩產(chǎn)生多普勒信號(hào)或者解調(diào)出干擾信號(hào)中的調(diào)制信號(hào)，從而使引信啟動(dòng)。假設(shè)ωL=ωjk=ωj0+ kΔω，則

將（11）式帶入（10）式可以得到正弦調(diào)幅掃頻干擾信號(hào)作用下引信檢波輸出信號(hào)的傅里葉幅值譜，如圖1所示。

連續(xù)波多普勒引信探測(cè)到目標(biāo)時(shí)，其檢波輸出信號(hào)的頻率峰值點(diǎn)必定出現(xiàn)在多普勒頻帶內(nèi)［1］。由于體目標(biāo)效應(yīng)，引信處于目標(biāo)散射近場(chǎng)區(qū)時(shí)其多普勒信號(hào)頻率會(huì)展寬，信號(hào)波形會(huì)發(fā)生一定程度的畸變，但多普勒信號(hào)的變化仍然符合多普勒效應(yīng)規(guī)律［11］。

圖1 正弦調(diào)幅掃頻干擾信號(hào)作用下檢波輸出信號(hào)的傅里葉幅值譜Fig. 1 Fourier amplitude spectrum of the detection signal under the action of sine amplitude modulation frequency sweeping jamming signal

1. 2 基于傅里葉頻譜的檢波信號(hào)特征提取

由正弦調(diào)幅掃頻干擾信號(hào)作用下引信檢波輸出信號(hào)傅里葉幅值譜可以發(fā)現(xiàn)，引信電路對(duì)掃頻干擾信號(hào)進(jìn)行解調(diào)后，除了在多普勒頻率處有一峰值點(diǎn)外，在其它頻率處（尤其是引信多普勒頻帶范圍之外）還可能有許多峰值點(diǎn)。這些頻率峰值點(diǎn)之間的幅值大致相等，只是由于非理想低通濾波器的作用，隨著頻率的升高信號(hào)能量衰減會(huì)逐漸增大，直至低通濾波器的截止頻率處衰減到0.對(duì)其他調(diào)制樣式的調(diào)幅掃頻干擾信號(hào)進(jìn)行分析，也會(huì)得到與正弦調(diào)幅掃頻干擾類似的結(jié)果。而在理想的目標(biāo)回波信號(hào)作用下，引信檢波輸出信號(hào)的傅里葉幅值譜只會(huì)在多普勒頻率處有一峰值點(diǎn)，在其它頻率處則是一些由雜波或者噪聲導(dǎo)致的幅值很小的峰值點(diǎn)，因此可以對(duì)引信檢波輸出信號(hào)的傅里葉幅值譜峰值點(diǎn)幅值進(jìn)行分析，以提取目標(biāo)信號(hào)和干擾信號(hào)的特征參量。

在實(shí)際戰(zhàn)場(chǎng)環(huán)境中，目標(biāo)回波信號(hào)的能量同具體目標(biāo)的反射強(qiáng)度有關(guān)，而且即使同種類型的干擾信號(hào)在不同戰(zhàn)場(chǎng)環(huán)境中其輻射能量也會(huì)有所不同，所以對(duì)檢波信號(hào)傅里葉幅值譜峰值點(diǎn)幅值的絕對(duì)值進(jìn)行分析意義不大，但可以將幅值譜中的若干個(gè)（比如3個(gè)）最大峰值點(diǎn)幅值之間的相對(duì)值進(jìn)行比較，以區(qū)分干擾信號(hào)和目標(biāo)信號(hào)?？紤]到引信多普勒頻率展寬的影響，要求峰值點(diǎn)之間必須間隔一定的頻率范圍，取定傅里葉幅值譜的3個(gè)最大峰值點(diǎn)按照從大到小的順序排序，用第1峰值點(diǎn)幅值除以第2峰值點(diǎn)幅值得到PR12作為第1個(gè)特征參量，用第1峰值點(diǎn)幅值除以第3峰值點(diǎn)幅值得到PR13作為第2個(gè)特征參量，用第2峰值點(diǎn)幅值除以第3峰值點(diǎn)幅值得到PR23作為第3個(gè)特征參量，即可用這3個(gè)峰值點(diǎn)幅值比值組成一個(gè)三維特征向量x = ［PR12，PR13，PR23］。

2 連續(xù)波多普勒引信檢波信號(hào)特征提取實(shí)驗(yàn)

本文在微波暗室實(shí)測(cè)某型連續(xù)波多普勒無線電引信的檢波信號(hào)，使用射頻信號(hào)源對(duì)引信進(jìn)行干擾實(shí)驗(yàn)。因?yàn)檎艺{(diào)幅掃頻與噪聲調(diào)幅掃頻比較有代表性，本文采集了200組正弦調(diào)幅掃頻與噪聲調(diào)幅掃頻干擾信號(hào)作用下的引信檢波輸出信號(hào)，掃頻參數(shù)在保證引信可以被成功干擾的范圍內(nèi)隨機(jī)設(shè)置。實(shí)測(cè)的正弦調(diào)幅掃頻干擾信號(hào)作用下，引信檢波輸出信號(hào)的傅里葉幅值譜如圖2所示，其中：調(diào)制頻率為700 Hz，掃頻帶寬為4 MHz，掃頻步長為10 kHz；在700 Hz處有一譜線，是引信電路解調(diào)出的干擾信號(hào)的調(diào)制頻率；而在23 340 Hz、35 450 Hz、46 650 Hz、57 070 Hz處的譜線是由掃頻干擾信號(hào)的載頻變化引起，相鄰點(diǎn)間隔約為10 kHz與掃頻步長相符（頻率間隔并非等間隔10 kHz，是因?yàn)橐沤与姾蠊ぷ黝l率會(huì)在一定范圍內(nèi)產(chǎn)生飄移）；在700 Hz與23 340 Hz之間沒有幅值很大的譜線，是由于引信在干擾信號(hào)作用下發(fā)生了牽引振蕩；57 070 Hz之后不再有幅值很大的譜線，是因?yàn)橐诺屯V波器濾除了信號(hào)的高頻部分。圖1與圖2的對(duì)比表明以上對(duì)掃頻干擾信號(hào)的理論分析結(jié)果是正確的。

圖2 實(shí)測(cè)的正弦調(diào)幅掃頻干擾信號(hào)作用下檢波輸出信號(hào)的傅里葉幅值譜Fig.2 The actually measured Fourier amplitude spectrum of detection signal under the action of sine amplitude modulation frequency sweeping jamming signal

同時(shí)本文采集了200組不同多普勒頻率的目標(biāo)回波信號(hào)作用下的引信檢波輸出信號(hào)，其傅里葉幅值譜如圖3所示，多普勒頻率為1505 Hz，其他頻率處的譜線是由干擾或者噪聲引起。對(duì)比圖2與圖3，可以發(fā)現(xiàn)干擾信號(hào)與目標(biāo)信號(hào)前3個(gè)峰值點(diǎn)幅值之間的相對(duì)值差別很大。

圖3 實(shí)測(cè)的目標(biāo)回波信號(hào)作用下檢波輸出信號(hào)的傅里葉幅值譜Fig.3 The actually measured Fourier amplitude spectrum of detection signal under the action of target echo signal

對(duì)所采集的掃頻干擾信號(hào)和目標(biāo)回波信號(hào)作用下的引信檢波輸出信號(hào)進(jìn)行傅里葉變換，尋找傅里葉幅值譜3個(gè)最大峰值點(diǎn)幅值，并分別求得其比值，所得到的特征參量的三維分布如圖4所示。從圖4中可以看出，掃頻干擾信號(hào)和目標(biāo)回波信號(hào)作用下引信檢波輸出信號(hào)的傅里葉幅值譜峰值點(diǎn)幅值比值特征分布差異明顯，所提出的特征提取方法合理有效。因此，采用SVM方法在干擾信號(hào)與目標(biāo)信號(hào)之間建立一個(gè)間隔最大的分界面進(jìn)行信號(hào)分類識(shí)別可行。

圖4 檢波信號(hào)傅里葉幅值譜3個(gè)最大峰值點(diǎn)幅值比值Fig. 4 Amplitude ratio of three maximum peak points of detection signal’s Fourier amplitude spectrum

3 基于SVM的引信檢波信號(hào)分類識(shí)別

使用SVM方法對(duì)信號(hào)進(jìn)行分類可以分為訓(xùn)練與識(shí)別兩個(gè)階段。在訓(xùn)練階段，先采集一定數(shù)量的訓(xùn)練樣本，提取出特征參量后作為SVM的輸入，求解得到分類決策函數(shù)，完成分類器的訓(xùn)練。在識(shí)別階段，采集到未知信號(hào)后，提取出相同的特征參量，然后輸入SVM分類器，計(jì)算決策函數(shù)值，完成信號(hào)的分類識(shí)別。本文提取引信檢波輸出信號(hào)傅里葉幅值譜峰值點(diǎn)幅值比值特征，并使用SVM進(jìn)行分類識(shí)別，其基本流程如圖5所示。

圖5 基于傅里葉頻譜特征提取與SVM分類識(shí)別的信號(hào)識(shí)別方法Fig. 5 The signal recognition method based on Fourier spectrum feature extraction and support vector machine classification

SVM核函數(shù)的選擇有多種，對(duì)于某一個(gè)特定的核函數(shù)其參數(shù)的選擇也有多種。為了比較采用不同核函數(shù)時(shí)SVM的性能，本文對(duì)常用的多項(xiàng)式核函數(shù)、高斯徑向基核函數(shù)以及Sigmoid核函數(shù)，利用k-折交叉檢驗(yàn)法和網(wǎng)格搜索法對(duì)核函數(shù)參數(shù)進(jìn)行優(yōu)選［12 -13］。優(yōu)選結(jié)果如表1所示，其中參數(shù)C為SVM的懲罰因子［3］。從表1中可以看出，在參數(shù)選擇合適時(shí)，基于這3種核函數(shù)的SVM都有極高的識(shí)別正確率。

表1 SVM核函數(shù)參數(shù)優(yōu)選Tab. 1 Optimization of kernel function parameters of support vector machine

為進(jìn)一步分析SVM的性能，針對(duì)表1優(yōu)選的核函數(shù)參數(shù)，本文用目標(biāo)檢測(cè)率Ptd和干擾檢測(cè)率Pjd兩個(gè)指標(biāo)對(duì)SVM進(jìn)行評(píng)價(jià)。目標(biāo)檢測(cè)率和干擾檢測(cè)率分別定義如下：

式中：Ntt為把目標(biāo)信號(hào)判為目標(biāo)信號(hào)數(shù)目；Nt為總目標(biāo)信號(hào)數(shù)目；Njj為把干擾信號(hào)判為干擾信號(hào)的數(shù)目；Nj為總干擾信號(hào)數(shù)目。在選定最優(yōu)參數(shù)后，從實(shí)驗(yàn)數(shù)據(jù)中隨機(jī)取出3/4的樣本（即150組目標(biāo)回波信號(hào)與150組掃頻干擾信號(hào)）作為訓(xùn)練樣本，進(jìn)行SVM分類器的學(xué)習(xí)訓(xùn)練。獲得分類決策函數(shù)后，將余下1/4的樣本（即50組目標(biāo)回波信號(hào)與50組掃頻干擾信號(hào)）作為測(cè)試樣本，輸入訓(xùn)練得到的SVM分類器，獲得本次實(shí)驗(yàn)的目標(biāo)檢測(cè)率與干擾檢測(cè)率。這種隨機(jī)分組測(cè)試的過程共進(jìn)行200次，最后對(duì)每次獲得的目標(biāo)檢測(cè)率與干擾檢測(cè)率求平均，可以得到最終的目標(biāo)檢測(cè)率與干擾檢測(cè)率，如表2所示。

表2 目標(biāo)檢測(cè)率與干擾檢測(cè)率Tab. 2 Target detection rate and jammer detection rate

從表2可以看出，使用3種核函數(shù)都可以獲得很高的目標(biāo)檢測(cè)率與干擾檢測(cè)率，然而多項(xiàng)式核函數(shù)相對(duì)易于硬件實(shí)現(xiàn)，因此在對(duì)算法進(jìn)行硬件實(shí)現(xiàn)時(shí)可以考慮使用多項(xiàng)式核函數(shù)。

若以現(xiàn)場(chǎng)可編程門陣列（FPGA）為核心，控制模擬數(shù)字轉(zhuǎn)換器（ADC）采集引信檢波輸出信號(hào)，并在FPGA中完成傅里葉幅值譜峰值點(diǎn)幅值比值特征提取。在學(xué)習(xí)訓(xùn)練階段，將特征向量上傳到上位機(jī)，積累一定訓(xùn)練樣本后在上位機(jī)中進(jìn)行SVM分類器的學(xué)習(xí)訓(xùn)練，獲得分類決策函數(shù)參數(shù)。在引信上彈前完成SVM分類器的學(xué)習(xí)訓(xùn)練，將決策函數(shù)固化在FPGA中。引信工作過程中采集到檢波輸出信號(hào)后就提取其特征向量并計(jì)算決策函數(shù)值，根據(jù)決策函數(shù)值即可區(qū)分是掃頻干擾信號(hào)還是目標(biāo)回波信號(hào)。本文對(duì)以上硬件實(shí)現(xiàn)思路進(jìn)行了初步驗(yàn)證，其中：FPGA選用Xilinx XC3S1000芯片，調(diào)用IP核完成快速傅里葉變換運(yùn)算；ADC選用12位的AD9235芯片。驗(yàn)證結(jié)果表明，引信采用本文識(shí)別方法增加的信號(hào)處理時(shí)間不到1 ms，這對(duì)引信來說完全滿足使用要求，而且可以通過使用提高系統(tǒng)工作時(shí)鐘頻率等方法，進(jìn)一步減小信號(hào)處理時(shí)間。

4 結(jié)論

本文研究了SVM方法在無線電引信抗掃頻式干擾中的應(yīng)用。以連續(xù)波多普勒引信為例，從理論上分析了掃頻干擾信號(hào)作用下連續(xù)波多普勒引信檢波輸出信號(hào)的頻譜特征，提出一種基于傅里葉頻譜的特征參量，通過尋找傅里葉幅值譜的3個(gè)最大峰值點(diǎn)幅值，分別求得其比值，構(gòu)成一個(gè)三維特征向量，輸入SVM進(jìn)行分類器的訓(xùn)練，得到分類決策函數(shù)；對(duì)未知信號(hào)提取相同的特征參量后，輸入訓(xùn)練得到的SVM分類器，根據(jù)決策函數(shù)值即可對(duì)未知信號(hào)進(jìn)行分類識(shí)別。對(duì)某型連續(xù)波多普勒無線電引信的實(shí)驗(yàn)結(jié)果表明，使用本文方法可以獲得很高的信號(hào)識(shí)別正確率，傅里葉幅值譜峰值點(diǎn)幅值比值特征提取結(jié)合SVM分類識(shí)別可以極大提高連續(xù)波多普勒引信的抗掃頻式干擾能力，對(duì)無線電引信的抗干擾設(shè)計(jì)具有參考意義。

參考文獻(xiàn)（References）

［1］ 崔占忠，宋世和，徐立新.近炸引信原理［M］.第3版.北京：北京理工大學(xué)出版社，2009：18 -38. CUI Zhan-zhong，SONG Shi-he，XU Li-xin. Principle of proximity fuze［M］. 3rd ed. Beijing：Beijing Institute of Technology Press，2009：18 -38.（in Chinese）

［2］ Cortes C，Vapnik V. Support-vector networks［J］. Machine Learning，1995，20（3）：273 -297.

［3］ 李航.統(tǒng)計(jì)學(xué)習(xí)方法［M］.北京：清華大學(xué)出版社，2012：95 -134. LI Hang. Statistical learning method［M］. Beijing：Tsinghua University Press，2012：95 -134.（in Chinese）

［4］ Moguerza J M，Mu?oz A. Support vector machines with applications［J］. Statistical Science，2006，21（3）：322 -336.

［5］ 陳軍，杜培軍，譚琨，等.一種基于Pauli分解和支持向量機(jī)的全極化合成孔徑雷達(dá)監(jiān)督分類算法［J］.科學(xué)技術(shù)與工程，2014，14（17）：104 -108，142. CHEN Jun，DU Pei-jun，TAN Kun，et al. A supervised classification algorithm based on pauli decomposition and SVM on polarimetric SAR image［J］. Science Technology and Engineering，2014，14（17）：104 -108，142.（in Chinese）

［6］ Ball J E. Low signal-to-noise ratio radar target detection using linear support vector machines（L-SVM）［C］∥2014 IEEE Radar Conference. Cincinnati，OH：IEEE，2014：1291 -1294.

［7］ 張朝輝.支持向量機(jī)在末制導(dǎo)雷達(dá)抗干擾中的應(yīng)用［J］.電子科技，2011，24（3）：79 -82. ZHANG Zhao-hui. Application of the support vector machine in the terminal guidance radar of anti-jamming［J］. Electronic Science and Technology，2011，24（3）：79 -82.（in Chinese）

［8］ 張飛鵬.地面低速目標(biāo)與背景模式分類和識(shí)別方法研究［J］.探測(cè)與控制學(xué)報(bào)，2007，29（2）：8 -11. ZHANG Fei-peng. Research on the pattern classification and recognition about slow target and its background［J］. Journal of Detection & Control，2007，29（2）：8 -11.（in Chinese）

［9］ Li Z，Hao X，Chen H，et al. Target signal recognition for CW Doppler proximity radio detector based on SVM［C］∥2013 International Conference on Mechatronic Sciences，Electric Engineering and Computer（MEC）. Shengyang：IEEE，2013：1160 -1163.

［10］ 趙惠昌.無線電引信設(shè)計(jì)原理與方法［M］.北京：國防工業(yè)出版社，2012：33 -34. ZHAO Hui-chang. Fundamentals and methodology of radio fuze ［M］. Beijing：National Defense Industry Press，2012：33 - 34. （in Chinese）

［11］ 潘曦，崔占忠.無線電引信近場(chǎng)目標(biāo)特性研究［J］.兵工學(xué)報(bào)，2008，29（3）：277 -281. PAN Xi，CUI Zhan-zhong. Near-field characteristic of target for radio fuze［J］. Acta Armamentarii，2008，29（3）：277 - 281. （in Chinese）

［12］ 郭立力，趙春江.十折交叉檢驗(yàn)的支持向量機(jī)參數(shù)優(yōu)化算法［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45（8）：55 -57. GUO Li-li，ZHAO Chun-jiang. Optimizing parameters of support vector machine’s model based on genetic algorithm［J］. Computer Engineering and Applications，2009，45（8）：55 - 57.（in Chinese）

［13］ 王興玲，李占斌.基于網(wǎng)格搜索的支持向量機(jī)核函數(shù)參數(shù)的確定［J］.中國海洋大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，35（5）：859 -862. WANG Xing Ling，LI Zhan-bin. Identifying the parameters of the kernel function in support vector machines based on the gridsearch method［J］. Periodical of Ocean University of China，2005，35（5）：859 -862.（in Chinese）

Research on Anti-frequency Sweeping Jamming of Radio Fuze Based on Support Vector Machine

ZHANG Biao1，YAN Xiao-peng1，LI Ping1，LI Zhi-qiang2，CHI Qing-xi2
（1. Science and Technology on Electromechanical Dynamic Control Laboratory，Beijing Institute of Technology，Beijing 100081，China；2. Science and Technology on Advanced Guidance and Control Laboratory，Beijing Electro-Mechanical Engineering Institute，Beijing 100074，China）

Abstract：Frequency sweeping jamming is a great threat to the radio fuze. The feasibility of support vector machine applied in anti-frequency sweeping jamming of radio fuze is studied. The frequency spectrum characteristics of fuze detection signal under the action of the frequency sweeping signal are analyzed theoretically with continuous wave Doppler radio fuze as an example. A feature parameter extraction method based on the Fourier spectrum is proposed. The support vector machine is used for classification and recognition of target signal and jamming signal. The experimental results show that the proposed method can be used to obtain a very high classification and recognition correct rate，and effectively improve the antifrequency sweeping jamming ability of the continuous wave Doppler radio fuze. A good effect can be obtained by applying the support vector machine to anti-jamming of radio fuze.

Key words：ordnance science and technology；radio fuze；frequency sweeping jamming；support vector machine

中圖分類號(hào)：TJ43+4. 1

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1000-1093（2016）04-0635-06

DOI：10. 3969/ j. issn. 1000-1093. 2016. 04. 009

收稿日期：2015-07-07

基金項(xiàng)目：國防“973”計(jì)劃項(xiàng)目（613196）；中國工程物理研究院安全彈藥研發(fā)中心開放基金項(xiàng)目（RMC2014B04）

作者簡(jiǎn)介：張彪（1990—），男，碩士研究生。E-mail：747208265@ qq. com；