劉傳波

(武漢藏龍北路1號　武漢　430205)

LIU Chuanbo

(No.1 Canglong North Road, Wuhan　430205)

?

基于區(qū)間改進灰關聯(lián)的輻射源識別方法*

劉傳波

(武漢藏龍北路1號武漢430205)

針對輻射源特征參數(shù)的不確定性帶來的區(qū)間型特征參數(shù)的輻射源識別問題，提出了一種新的基于區(qū)間改進灰關聯(lián)的輻射源識別算法。該算法首先利用區(qū)間的偏離度構建灰關聯(lián)權系數(shù)矩陣，其次通過熵權法計算屬性權重向量，克服了屬性權重的主觀性，最后運用最大決策規(guī)則進行決策來實現(xiàn)輻射源識別。仿真實例驗證了該算法的有效性和實用性。

區(qū)間偏差； 改進灰關聯(lián)； 輻射源識別； 屬性權重

LIU Chuanbo

(No.1 Canglong North Road, Wuhan430205)

Class NumberTN95

1　引言

雷達輻射源型號和工作模式識別是電子偵察情報系統(tǒng)(ELINT)的重要內(nèi)容[1～2]，它可以通過對所測出的敵方雷達工作參數(shù)和特征參數(shù)進行分析，獲取敵方雷達的體制、用途和型號等信息，掌握其相關武器系統(tǒng)及其工作狀態(tài)、制導方式，了解其戰(zhàn)術運用特點、活動規(guī)律和作戰(zhàn)能力，也是高層次上的態(tài)勢評估和威脅估計的主要依據(jù)。在現(xiàn)代戰(zhàn)爭中，各種復雜體制雷達層出不窮，這就要求電子偵查設備能夠快速地對雷達型號、雷達工作模式進行識別，進而判斷出雷達的威脅等級。

現(xiàn)有的輻射源識別方法包括特征參數(shù)匹配法[3]、模糊理論[4～5]、人工智能分析法[6～7]、脈內(nèi)特征分析法[8]等在雷達輻射源識別中都有比較成功的應用，但這些方法一般都針對標量形式的參數(shù)測量值進行處理，在一定程度上解決了由于參數(shù)測量誤差所引起的輻射源識別問題，而對于誤差的另一種情形，即測量參數(shù)為區(qū)間類型模糊值的情況卻是無能為力的。本文針對區(qū)間型的特征參數(shù)的輻射源識別，提出了一種基于區(qū)間改進灰關聯(lián)的輻射源識別算法。

2　基于區(qū)間灰關聯(lián)的輻射源識別方法

2.1識別模型描述

(1)

常見的屬性類型有效益型和成本型，設I1、I2分別表示效益型和成本型的下標集。為了消除不同量綱對決策結(jié)果的影響，可采用文獻[9]中的規(guī)范方法，即

(2)

(3)

2.2區(qū)間偏差度

傳統(tǒng)的灰關聯(lián)算法是用絕對差的大小來反映待識別參數(shù)與模板參數(shù)的偏差程度，但對于區(qū)間型的特征參數(shù)無法計算其絕對差，因此計算兩個區(qū)間之間的偏差度，從而代替絕對差來反映兩個區(qū)間的相似程度。

(4)

2.3灰關聯(lián)系數(shù)計算

由上述算法可以獲取待識別輻射源與輻射源庫中的各輻射源的偏差度矩陣為

(5)

待識別輻射源信息si與特征庫中輻射源U關于屬性pj的區(qū)間灰關聯(lián)系數(shù)為

(6)

其中i=1,2,…,M,j=1,2,…,N，ρ∈[0,1]為分辨系數(shù)，一般取0.5。

因此未知輻射源與輻射特征數(shù)據(jù)庫U的區(qū)間灰關聯(lián)系數(shù)矩陣為

(7)

2.4特征參數(shù)權值確定

根據(jù)上述參數(shù)的灰關聯(lián)系數(shù)計算其熵值，即：

Sij=-ξijln(ξij)

(8)

式中，Sij為待識別傳感器第j個特征參數(shù)相對于輻射特征數(shù)據(jù)庫第i個輻射源的第j個特征參數(shù)的灰關聯(lián)系數(shù)的熵。則權值可以確定為

(9)

將權值帶入

(10)

得到總的特征參數(shù)矩陣ω=[ω1,ω2，…，ωN]T。

2.5灰關聯(lián)度計算

由上述得到的灰關聯(lián)系數(shù)和其對應的權值可以求出待識別輻射源與模板輻射源庫中第i個傳感器的關聯(lián)度為

(11)

則總的關聯(lián)度矩陣為

G=[g1g2…gM]

(12)

2.6決策規(guī)則

根據(jù)求得的灰關聯(lián)度矩陣，采用以下決策規(guī)則進行判決：

設??g1g2?G，滿足：

g1=max{gi,gi?G}

g2=max{gi,gi?G且gi≠g1}

(13)

若有：

g1>ε1

g1-g2>ε2

(14)

則g1為判決結(jié)果，ε1ε2為判決門限。

3　識別算法步驟

本文提出的基于區(qū)間改進灰關聯(lián)的識別算法的具體步驟如下，識別算法具體流程如圖1所示。

圖1　識別算法具體流程圖

3)根據(jù)式(4)計算待識別輻射特征參數(shù)置信區(qū)間與輻射特征庫中特征參數(shù)的置信區(qū)間的偏差值，得到偏差度矩陣D；

4)根據(jù)式(6)計算區(qū)間灰關聯(lián)系數(shù)，得到灰關聯(lián)系數(shù)矩陣ξ；

5)根據(jù)式(10)得到待識別輻射特征與輻射特征數(shù)據(jù)庫中輻射特征之間關聯(lián)度，構造關聯(lián)度矩陣G；

6)根據(jù)式(12)、(13)判決規(guī)則做出判斷。

4　仿真實例

為了驗證本文算法的性能，對輻射源識別進行了仿真。設模板雷達庫中有三個輻射源，采用載頻(RF)、重復頻率(PRI)、脈寬(PW)作為傳感器識別的特征參數(shù)，其特征參數(shù)如表1所示，輻射源R1的一組探測特征參數(shù)數(shù)據(jù)如表2所示。

表1　數(shù)據(jù)庫中輻射特征信息

表2 傳感器探測未知目標特征值

本文為成本型的屬性類型，根據(jù)表1、2，得到增廣特征指標矩陣：

根據(jù)式(2)、式(3)得到規(guī)范化的增廣特征指標矩陣為

由式(4)、(5)計算的偏差度矩陣為

由式(6)、(7)可得待識別輻射源與輻射特征數(shù)據(jù)庫中輻射源的區(qū)間灰關聯(lián)系數(shù)矩陣為

由式(8)～式(10)計算總的特征參數(shù)矩陣為

由式(11)、式(12)計算總的關聯(lián)度矩陣為

G=[0.9390,0.7113,0.5732]

在此，判決門限ε1=0.7,ε2=0.1。由式(13)、式(14)判別該未知輻射源為輻射源R1，識別結(jié)果正確。

仿真過程中對模板庫中的10部雷達進行仿真，生成100個待識別輻射源樣本數(shù)據(jù)，每部雷達對應10個樣本。待識別輻射源樣本屬性值構造通過隨機取一個模板雷達已知特征參數(shù)并加上測量誤差(誤差標準差為相應已知特征參數(shù)的3%)組成。將本文的區(qū)間灰關聯(lián)算法與模糊模式識別方法進行了比較，識別正確率如圖2所示。

從圖2可以看出，本文方法識別正確率在100次實驗中幾乎都大于模糊模式識別方法。

為了進一步驗證本文方法的可信度，在上述條件下進行100次Monte Carlo實驗，得到的識別結(jié)果如表3所示。從表3可知，基于區(qū)間灰關聯(lián)的輻射源識別方法正確率為91.67%，優(yōu)于模糊模式識別方法。

表3　輻射源識別正確率對比(%)

5　結(jié)語

本文針對當前輻射源識別中由特征參數(shù)測量的不確定性和輻射源識別庫中輻射源特征參數(shù)據(jù)的不確定性所帶來的區(qū)間型參數(shù)識別問題，提出了一種基于區(qū)間模型改進灰關聯(lián)算法的輻射源識別算法，該算法利用區(qū)間數(shù)的偏離度構造灰關聯(lián)權系數(shù)矩陣，然后用熵權法計算屬性權重向量，最后用最大決策規(guī)則進行決策。通過仿真實驗，將本文方法與模糊模式識別進行比較，驗證了該識別方法是有效可行的，為解決特征參數(shù)是區(qū)間值的輻射源識別提供了一種新的方法。

[1] 張國柱.雷達輻射源識別技術研究[D].長沙：國防科學技術大學，2005:20-22.

[2] 何友，王國宏，彭應寧.多傳感器信息融合及應用[M].北京：電子工業(yè)出版社,2000:35-39.

[3] 張多林，潘泉，張洪才.基于理想點貼近度的輻射源威脅綜合評價建模與仿真驗證[J].系統(tǒng)仿真學報,2008,20(14):3896-3898.

[4] Glossas N I, A spragathos N A. Fuzzy logic grasp control using tactile sensors[J].Mechatronics (S0957-4158),2001,11(7):899-820.

[5] 劉建書,李人厚,劉云龍等.基于相關性函數(shù)和模糊綜合函數(shù)的多傳感器數(shù)據(jù)融合[J].系統(tǒng)工程與電子技術,2006,28(70):1006-1009.

[6] 孟曉琳,刁鳴,茅玉龍等.基于模糊理論的雷達信號類型識別方法[J].電子信息對抗技術,2006,21(5):19-21.

[7] 寇華,王寶樹.基于遺傳算法的RBF-PLS方法在輻射源識別中的應用[J].電子信息學報,2007,25(9):1031-1034.

[8] 劉慶云,王根弟,朱偉強.雷達輻射源信號特征參量分析[J].航天電子對抗,2008,24(4):21-24.

[9] 徐澤水，達慶利.區(qū)間型多屬性決策的一種新方法[J].東南大學學報,2003,339(4):498-501.

[10] Ren M，Duan J，Yang S. Decision Models Evaluation Using Fuzzy Pattern Recognition[C]//Proceedings IEEE International Conference on Grey Systems and Intelligent Services(GSIS 2007), Nanjing, China,2007.

[11] 劉海軍,柳征,姜文利,等.一種基于云模型的輻射源識別方法[J].電子與信息學報,2009,31(9)：2079-2083.

[12] 劉凱,王杰貴,李俊武.基于區(qū)間灰關聯(lián)的雷達輻射源識別新方法[J].火力與指揮控制,2013,38(7):20-23.

Emitter Recognition Based on Interval Improved Grey Relation*

Aiming at the interval type characteristic parameters radiating source recognition problem brought about by the uncertainty of the radiation source characteristic parameters，an improved grey relational algorithm based on interval model is proposed.Firstly, this method uses the degree of the interval deviation to build gray relation coefficient matrix. Then, the weight vector of the attributes is obtained by entropy weight, avoiding the subjectivity of selecting attribute weight. Lastly, the algorithm of emitter recognition is determined by the maximum rules. The simulated example improves that the method is both effective and practicable.

interval deviation, improved grey relational algorithm, radiating source recognition, attribute weight

2016年2月10日,

2016年3月26日

劉傳波，男，博士，工程師，研究方向：復雜系統(tǒng)分析建模與仿真。

TN95

10.3969/j.issn.1672-9730.2016.08.015