廖 帥，王揚(yáng)鈞，姜 楠，段金虎

(北京市遙感信息研究所，北京 100094)

0 引言

雷達(dá)輻射源信號(hào)由于受噪聲等多種因素影響，最重要的特征常常難以發(fā)現(xiàn)，特征提取一般采用經(jīng)驗(yàn)式的方法，所提取出的特征往往帶有主觀性和猜測(cè)性，且由于大量噪聲的存在，信噪比通常在幾dB到幾十dB之間變化，這些因素易造成特征向量在特征空間中的無(wú)序分布，使不同類別的輻射源信號(hào)特征在特征空間中發(fā)生嚴(yán)重交疊而致使分類識(shí)別率降低。為了消除特征提取的主觀性和提高準(zhǔn)確識(shí)別率，需要采用特征選擇方法，按照與分類有關(guān)的評(píng)價(jià)準(zhǔn)則從高維特征中挑選最有效的特征集。

特征選擇的任務(wù)是利用特征模式樣本集的內(nèi)部信息，從一組特征中挑選出一些最有效的特征以達(dá)到降低特征空間維數(shù)的目的。特征選擇應(yīng)能有效降低特征向量的維數(shù)、減少特征提取的代價(jià)、簡(jiǎn)化分類器的設(shè)計(jì)和提高識(shí)別效率，因此，特征選擇是繼特征提取之后的一個(gè)重要研究課題，受到模式識(shí)別、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等多個(gè)領(lǐng)域研究人員的廣泛關(guān)注。

將分類器的錯(cuò)誤概率作為特征選擇準(zhǔn)則固然好，但即使在類條件概率分布密度已知的情況下錯(cuò)誤概率的計(jì)算也很復(fù)雜，何況實(shí)際問(wèn)題中通常不知道這一分布，這使得直接用錯(cuò)誤概率作為分類標(biāo)準(zhǔn)來(lái)分析特征的有效性變得十分困難。因此，在實(shí)際應(yīng)用中，需要尋求一種有效的解決方案來(lái)衡量各類別間的可分離性。

本文給出了一種類內(nèi)聚集度和類間離散度的定義，并提出一種基于類內(nèi)聚集度和類間離散度的特征集評(píng)價(jià)準(zhǔn)則。基于該準(zhǔn)則，采用特征排序選擇的搜索策略，可以從雷達(dá)輻射源信號(hào)原始特征集中挑選出品質(zhì)優(yōu)良的特征子集，從而實(shí)現(xiàn)對(duì)雷達(dá)輻射源信號(hào)的準(zhǔn)確識(shí)別。

1 雷達(dá)輻射源信號(hào)多模特征分類

1.1 物理分類方式

物理意義上，可把雷達(dá)輻射源信號(hào)多模特征分為以下五個(gè)類別。

脈沖序列統(tǒng)計(jì)特征：載頻、重頻、脈寬等；

脈沖序列衍生特征：載頻、重頻、脈寬的相關(guān)性及組合變化特征等；

單脈沖脈內(nèi)調(diào)制特征：頻率、帶寬、調(diào)制類型、調(diào)制參數(shù)、零中頻相位曲線等；

單脈沖脈沖包絡(luò)特征：精測(cè)脈寬、上升沿夾角、下降沿夾角、頂部趨勢(shì)夾角、頂部波動(dòng)、包絡(luò)J特征、包絡(luò)差分J特征等；

雷達(dá)掃描特征：圓周掃描雷達(dá)掃描周期。

1.2 特征描述分類方式

從識(shí)別的角度考慮，按照特征描述的方式，可把雷達(dá)輻射源信號(hào)多模特征分為以下三個(gè)類別。

連續(xù)取值類特征：脈沖載頻、帶寬、重頻、精測(cè)脈寬、上升沿夾角、下降沿夾角、頂部趨勢(shì)夾角、頂部波動(dòng)、包絡(luò)J特征、包絡(luò)差分J特征、掃描周期、脈內(nèi)調(diào)制參數(shù)等；

離散取值類特征：載頻統(tǒng)計(jì)類型、重頻統(tǒng)計(jì)類型、脈寬統(tǒng)計(jì)類型、脈內(nèi)調(diào)制類型、脈內(nèi)調(diào)制碼等；

曲線圖片類特征：脈沖序列載頻/脈寬/重頻的相關(guān)性臉譜圖、脈內(nèi)調(diào)制識(shí)別曲線、脈沖包絡(luò)曲線、零中頻相位曲線等。

2 基于類內(nèi)聚集度和類間離散度的特征集評(píng)價(jià)準(zhǔn)則

2.1 基于類間離散度的特征評(píng)價(jià)體系

按照第1節(jié)中對(duì)雷達(dá)輻射源信號(hào)特征的描述，特征可分為連續(xù)取值類、離散取值類以及曲線圖片類。對(duì)于離散取值類和曲線圖片類的特征，目前只能依賴人工分類判別及挑選，本文詳細(xì)討論了連續(xù)取值類特征的奇異樣本篩選及評(píng)價(jià)準(zhǔn)則。首先，給出了一種類內(nèi)聚集度和類間離散度的定義，依據(jù)類內(nèi)聚集度，通過(guò)設(shè)置合理的閾值，挑選并剔除奇異樣本。然后，提出了一種基于類內(nèi)聚集度和類間離散度的特征集品質(zhì)評(píng)價(jià)準(zhǔn)則函數(shù)，基于該準(zhǔn)則函數(shù)，采用相關(guān)的搜索策略，可從雷達(dá)輻射源信號(hào)原始特征集中挑選出品質(zhì)優(yōu)良的特征子集。

定義1 第i類信號(hào)的類內(nèi)聚集度Cii為：

(1)

定義2 第i類與第j類信號(hào)的距離Dij定義為：

(2)

定義3 第i類與第j類信號(hào)的類間離散度Sij定義為：

Sij=Dij/Cii+Cjj

(3)

式中，Dij是第i類與第j類信號(hào)的距離，Cii和Cjj分別為第i類與第j類信號(hào)的類內(nèi)聚集度。

如果待識(shí)別信號(hào)共有H類(H≥2)，考慮識(shí)別的復(fù)雜度，選擇的特征子集維數(shù)越低越好，另外各類的類間離散度平均值越大越好。由此，根據(jù)定義1和定義3給出的類內(nèi)聚集度和類間離散度，設(shè)計(jì)評(píng)價(jià)特征集質(zhì)量的準(zhǔn)則函數(shù)為：

(4)

由式(4)可知，特征子集維數(shù)q越小，f值越大；各類的類間離散度Sij平均值越大，f值越大。準(zhǔn)則函數(shù)f值越大，表明選擇的特征子集越好。

2.2 基于雷達(dá)輻射源信號(hào)特征聚集度的樣本篩選

在對(duì)某個(gè)雷達(dá)輻射源信號(hào)進(jìn)行特征提取及分析時(shí)，依據(jù)信號(hào)分選結(jié)果提取的脈沖樣本可能會(huì)存在個(gè)別的錯(cuò)誤情況，即脈沖樣本不是該雷達(dá)輻射源真實(shí)脈沖或者選取的脈沖樣本體現(xiàn)出的特征不是雷達(dá)輻射源真實(shí)的特征，主要有以下幾類情況：

1) 由信號(hào)分選策略所導(dǎo)致的脈沖信號(hào)漏分選，造成頻率跳變或捷變的范圍沒(méi)有完整體現(xiàn)，表現(xiàn)出雷達(dá)參數(shù)變化類型的錯(cuò)誤或不完整；

2) 分選出的脈沖列中包含個(gè)別其他輻射源的脈沖，或者挑選出的脈內(nèi)采集數(shù)據(jù)不是原脈沖列包含的樣本脈沖的采集數(shù)據(jù)；

3) 當(dāng)脈沖功率較低，例如一個(gè)大脈寬的脈沖功率在接收機(jī)靈敏度附近起伏時(shí)，會(huì)分裂成多個(gè)小脈寬的脈沖，造成分裂成小脈寬脈沖以及不規(guī)則小重頻；

4) 對(duì)于頻率分集信號(hào)和脈內(nèi)頻率跳變信號(hào)，由接收機(jī)體制導(dǎo)致未能截獲部分頻點(diǎn)的脈沖，造成脈沖分裂，形成虛假脈沖現(xiàn)象。

因此，對(duì)樣本進(jìn)行統(tǒng)計(jì)分析時(shí)，存在奇異值樣本是正常的，對(duì)特征進(jìn)行統(tǒng)計(jì)分析之前，有必要檢查樣本特征的統(tǒng)一性，剔除奇異樣本。由于樣本的數(shù)量較小，但每個(gè)樣本提取的原始特征種類多，表述樣式不統(tǒng)一，不便于用統(tǒng)一的方法去查找錯(cuò)誤樣本。對(duì)于離散取值類的特征，可通過(guò)統(tǒng)計(jì)樣本該特征不同取值的出現(xiàn)次數(shù)，剔除出現(xiàn)次數(shù)很少的奇異樣本；對(duì)于圖片曲線類的特征，通過(guò)人工比對(duì)分析，挑選出差異較大的樣本；對(duì)于連續(xù)取值類的特征，本文結(jié)合聚類的思想，給出一種依據(jù)樣本特征值聚集度的挑選奇異樣本并分類的方法。

Step4：設(shè)σ為樣本類數(shù)量閾值，當(dāng)a<σ，第一類樣本因數(shù)量小于閾值判為奇異樣本，舍棄該類樣本，否則保留該類樣本；

Step6：對(duì)于保留的樣本，重復(fù)Step2，直到Δya/Δyb≤δ，結(jié)束流程。

2.3 特征排序選擇法

樣本篩選完成后，對(duì)于同型雷達(dá)輻射源的幾個(gè)不同個(gè)體，依據(jù)樣本類內(nèi)聚集度及類間離散度排序的特征選擇方法，挑選合適的特征，以降低后面?zhèn)€體分類識(shí)別的特征維數(shù)，提高分類效率和準(zhǔn)確率，具體步驟如下：

Step1：設(shè)某型待分類的雷達(dá)輻射源信號(hào)總共有H類信號(hào)，共提取了q個(gè)特征，計(jì)算第i類與第j類信號(hào)的第n個(gè)特征的分離度Snij及準(zhǔn)則函數(shù)fn，其中i=1,2,…,q，n=1,2,…,q；

Step2：按各特征的準(zhǔn)則函數(shù)f由大到小進(jìn)行排序，結(jié)果為fA1≥fA2≥…≥fAq，其中fAi為第Ai個(gè)特征的類間離散度；

3 結(jié)束語(yǔ)

特征提取和特征選擇是雷達(dá)輻射源信號(hào)識(shí)別的重要課題之一，本文在給出的一種類內(nèi)聚集度和類間離散度定義的基礎(chǔ)上，提出了基于類內(nèi)聚集度和類間離散度的特征集品質(zhì)評(píng)價(jià)準(zhǔn)則函數(shù)。基于該準(zhǔn)則函數(shù)，采用特征排序選擇的搜索策略，可從雷達(dá)輻射源信號(hào)原始特征集中挑選出品質(zhì)優(yōu)良的特征子集，從而實(shí)現(xiàn)了信號(hào)特征的高效描述，提高了雷達(dá)輻射源信號(hào)識(shí)別的準(zhǔn)確率。■

[1] 張葛祥，榮海娜，金煒東．基于小波包變換和特征選擇的雷達(dá)輻射源信號(hào)識(shí)別[J]．電路與系統(tǒng)學(xué)報(bào)，2006，11(6)：46-49.

[2] 張靜遠(yuǎn)，張冰，蔣興舟．基于小波變換的特征提取方法分析[J]．信號(hào)處理，2000，16(2)：156-162．

[3] 錢濤，馬健，劉凱，等．基于連通檢測(cè)和區(qū)域擴(kuò)展的多重聚類方法研究[J]．航天電子對(duì)抗，2016,32(5)：36-39.

[4] 楊建，周濤，何梓昂．一種有效的雷達(dá)信號(hào)快速識(shí)別方法[J]．電訊技術(shù)，2017,57(4)：418-424.

[5] 普運(yùn)偉，金煒東，胡來(lái)招．基于瞬時(shí)頻率二次特征提取的輻射源信號(hào)分類[J]．西南交通大學(xué)學(xué)報(bào)，2007,42(3)：373-379.

[6] 沈家煌，黃建沖，朱永成．特征參數(shù)匹配法在雷達(dá)信號(hào)識(shí)別中的應(yīng)用[J]．航天電子對(duì)抗，2017,33(2)：9-14.

[7] 吳振強(qiáng)，常碩，張國(guó)毅．基于信號(hào)特征綜合處理的雷達(dá)輻射源識(shí)別[J]．科學(xué)技術(shù)與工程，2015，15(25)：12-17.

[8] 郭亞琴，王正群．基于類內(nèi)類間離散度的分類器設(shè)計(jì)方法[J]．信息技術(shù)，2010，5(1)：35-37．