四川九洲空管科技有限責(zé)任公司 趙浩然 董靜霆 王 麗 陳 妹

1.引言

信號源個(gè)體識別技術(shù)，是指利用通信接收機(jī)長時(shí)間接收空中信號并形成帶有標(biāo)簽的信號庫，之后當(dāng)通信接收機(jī)接收到未知信號時(shí)，通過特征提取、特征匹配等過程將未知信號與信號庫中信號進(jìn)行對比匹配，實(shí)現(xiàn)信號源個(gè)體識別并獲得該信號源的設(shè)備類型、用途等屬性[1]。該技術(shù)是在當(dāng)代通信技術(shù)飛速發(fā)展、空中環(huán)境日趨復(fù)雜的背景下應(yīng)運(yùn)而生的，它主要利用附加在發(fā)射信號上的信號源個(gè)體硬件固有物理差異形成的信號微小差別來進(jìn)行理論研究（即使兩個(gè)信號源的型號相同、調(diào)制參數(shù)相同，這種差異也是存在的），其核心和關(guān)鍵是信號細(xì)微特征提取與匹配方法。由于信號源個(gè)體識別技術(shù)在電子對抗、空管監(jiān)視等領(lǐng)域中有良好的應(yīng)用前景，目前已成為一個(gè)研究熱點(diǎn)。

在電子對抗領(lǐng)域，當(dāng)信號源為合作方時(shí)，只需要對信號進(jìn)行解析即可；但是當(dāng)信號為非合作方時(shí)，由于無法獲得更多的先驗(yàn)信息用以解析信號，那么就難以獲得有用信息，此時(shí)若利用信號源個(gè)體識別技術(shù)對信號進(jìn)行特征匹配就能夠?qū)崿F(xiàn)對該信號源的屬性判斷，獲得有利信息。又如在空管二次監(jiān)視雷達(dá)系統(tǒng)中，地面設(shè)備向空中目標(biāo)發(fā)射固定格式的詢問信號進(jìn)行詢問，空中目標(biāo)接收到詢問信號后向地面設(shè)備發(fā)射應(yīng)答信號用以信息交互，在一次天線掃描周期中會發(fā)生多次以上過程，在地面設(shè)備處理應(yīng)答信號過程中，信號源個(gè)體識別技術(shù)可以輔助點(diǎn)跡凝聚、航跡關(guān)聯(lián)等數(shù)據(jù)處理過程，從而提高空管運(yùn)行效率。針對信號源個(gè)體識別技術(shù)，國外從上世紀(jì)就開始系統(tǒng)研究并取得一些成果轉(zhuǎn)化為應(yīng)用，如MASINT系統(tǒng)、ISTIS系統(tǒng)及VERA-E系統(tǒng)等等；而國內(nèi)對該技術(shù)的研究起步較晚，目前還沒有成熟的應(yīng)用，因此急需加快研究步伐。

通常，信號源個(gè)體識別過程如下：

圖1 個(gè)體識別過程

接收設(shè)備接收到空間信號以后，由于距離的原因會造成信號強(qiáng)度不同，因此需要對信號進(jìn)行幅度歸一化等預(yù)處理操作，進(jìn)而對歸一化信號進(jìn)行一些時(shí)頻變換并根據(jù)特征提取方法提取樣本信號特征，對特征進(jìn)行分析，最終進(jìn)行特征匹配與分類判決，完成個(gè)體識別。本文在分析傳統(tǒng)特征提取方法的基礎(chǔ)上發(fā)現(xiàn)傳統(tǒng)方法的一些缺點(diǎn)并提出基于神經(jīng)網(wǎng)絡(luò)的分類架構(gòu)，該架構(gòu)能夠更加充分利用信號特征從而能用于對傳統(tǒng)分類方法的補(bǔ)充改進(jìn)，提高信號源個(gè)體識別準(zhǔn)確率。

2.時(shí)頻變換與特征提取

想要對信號進(jìn)行識別，必須找出每個(gè)信號獨(dú)有的特征，這需要從不同的角度去認(rèn)識、分析信號，從而剖析出信號的本質(zhì)。我們最初從空中采集的信號是以時(shí)間的形式存在的，稱為時(shí)域信號，除時(shí)間外，頻率也是信號存在于這個(gè)空間的重要表現(xiàn)方式，頻率的研究方法是建立在傅里葉分析基礎(chǔ)上的。大量實(shí)踐過程中發(fā)現(xiàn)單獨(dú)在時(shí)域或者頻域分析信號都有其優(yōu)點(diǎn)和缺陷，時(shí)頻分析（Joint Time-Frequency Analysis）方法提供了時(shí)間域與頻率域的聯(lián)合分布信息，清楚地描述了信號頻率隨時(shí)間變化的關(guān)系從而可以彌補(bǔ)單獨(dú)在時(shí)域或者頻域分析的不足。時(shí)頻分析的思想是設(shè)計(jì)時(shí)間和頻率的聯(lián)合函數(shù)，用以同時(shí)描述信號在不同時(shí)間和頻率的能量密度或者強(qiáng)度，從而可以從各個(gè)角度剖析分解信號。這種時(shí)間和頻率的聯(lián)合函數(shù)簡稱為時(shí)頻分布。在各個(gè)領(lǐng)域的信號分析過程中，大量應(yīng)用的時(shí)頻分布有短時(shí)傅里葉變換、模糊函數(shù)、小波變換、魏格納分布以及高階譜理論等等[2-4]。本文簡單介紹一下魏格納分布和小波變換。

魏格納分布是一種二次型時(shí)頻，它已經(jīng)被廣泛應(yīng)用于很多領(lǐng)域的時(shí)頻信號分析處理并且具有很多很好的性質(zhì)。信號，的聯(lián)合魏格納分布定義為：

其中分別為信號的傅里葉變換。

信號的自魏格納分布定義為：

魏格納分布具有如下良好的性質(zhì)：

a）對稱性：

b）位移性：

c）定義域的同一性：信號的魏格納變換與信號本身處于同一范圍的時(shí)域和頻域中；

d）時(shí)域頻域的積分性：

1）對于任意固定時(shí)刻沿全頻率軸積分等于該時(shí)刻的瞬時(shí)功率，即：

3）由上面兩條可得沿時(shí)、頻兩個(gè)軸的雙重積分等于信號的能量E，即：

除魏格納分布外，小波變換也是一種重要的時(shí)頻變換，它克服了短時(shí)傅里葉變換的一些缺點(diǎn)并廣泛應(yīng)用于圖像處理等領(lǐng)域，同魏格納分布一樣，它能夠在時(shí)域和頻域都有表征信號的能力。小波是函數(shù)空間中滿足下述條件的一個(gè)函數(shù)或者信號

上式中，表示全體非零實(shí)數(shù)全體，是的傅里葉變換，稱為小波母函數(shù)?？梢钥闯鲂〔ㄔ陬l率有很好的衰減性質(zhì)。

一組小波基函數(shù)是通過尺度因子和位移因子由基小波產(chǎn)生的，對于實(shí)數(shù)對，參數(shù)為非零，函數(shù)：

稱為由小波母函數(shù)生成的依賴于參數(shù)對的連續(xù)小波函數(shù)，簡稱小波。其中a稱為伸縮因子，b稱為平移因子。

信號的連續(xù)小波變換定義為：

連續(xù)小波變換具有線性性質(zhì)、平移不變性以及伸縮不變性等性質(zhì)。

完成信號變換后，需要提取每個(gè)信號的獨(dú)有特征。所謂獨(dú)有特征，即為相同信號源發(fā)射的信號具有相似的度量大小，不同信號源發(fā)射的信號具有較大的度量差異，一種提取特征常用的方法是Fisher判別比。Fisher判決比一般表示為：

其中，是第c類信號的H個(gè)訓(xùn)練樣本在點(diǎn)的時(shí)頻變換的平均值，是第c類信號的H個(gè)訓(xùn)練樣本的時(shí)頻變換在點(diǎn)的標(biāo)準(zhǔn)差。

以Fisher判別比較大的點(diǎn)作為特征完成特征提取，對特征進(jìn)行距離匹配，識別目標(biāo)可以達(dá)到一定的準(zhǔn)確率，常用的距離有“閔可夫斯基距離”、“Hausdor ff距離”等。但是基于上述過程進(jìn)行目標(biāo)識別主要存在以下兩個(gè)問題：第一，隨著目標(biāo)個(gè)數(shù)增多選擇特征的能力下降；第二，電磁環(huán)境惡化后，方法的魯棒性不強(qiáng)。下一章，本文將簡單介紹利用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類的個(gè)體識別方法。

3.基于神經(jīng)網(wǎng)絡(luò)的識別架構(gòu)

神經(jīng)網(wǎng)絡(luò)是由簡單神經(jīng)元連接構(gòu)成的大規(guī)模并行分布式處理器，它通過帶標(biāo)簽的樣本對神經(jīng)元的突觸權(quán)值進(jìn)行更新，經(jīng)過大量訓(xùn)練學(xué)習(xí)后具備很強(qiáng)的泛化能力，能對未在訓(xùn)練過程中遇到過的數(shù)據(jù)給出合理的輸出。在信號源個(gè)體識別的過程中，利用信號庫中的信號作為訓(xùn)練樣本，經(jīng)過幅度歸一等預(yù)處理后對信號進(jìn)行變換并提取特征，利用經(jīng)過標(biāo)準(zhǔn)知識標(biāo)示的特征為輸入，利用神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行訓(xùn)練調(diào)整權(quán)值，經(jīng)過大量訓(xùn)練后，使系統(tǒng)具有泛化能力從而能對新進(jìn)信號進(jìn)行識別。具體過程如圖2所示。

圖2 基于神經(jīng)網(wǎng)絡(luò)的識別模型

在輸入層中，可以利用特征提取方法提取大量相對優(yōu)秀特征（可以設(shè)較小的閾值從而增多數(shù)量），這樣可以充分利用其特征；同時(shí)，由于經(jīng)過了大量訓(xùn)練，信號中的噪聲以及干擾突變在訓(xùn)練規(guī)程中影響會逐漸降低，因此系統(tǒng)的魯棒性就會提高。綜上所述，利用神經(jīng)網(wǎng)絡(luò)系統(tǒng)在一定程度上可以彌補(bǔ)傳統(tǒng)方法的不足從而有可能提高個(gè)體識別準(zhǔn)確率。

[1]Talbot K I,Duley P R,Hyatt M H. Specific emitter identification and verification[J].Technology Review Journal,2003:113-133.

[2]Sugiyama T,Shibuki M,Iwasaki K,et al.Transmitter Identification-Experimental Techniques and Results[J].Journal of Communications Research Laboratory,2002,49(1):137-153.

[3]王磊,姬紅兵,史亞.基于模糊函數(shù)特征優(yōu)化的雷達(dá)輻射源個(gè)體識別[J].紅外與毫米波學(xué)報(bào),2011,30(1):74-79.

[4]梁百川.利用小波變換識別脈內(nèi)調(diào)制信號[J].電子對抗,1998,3:1-12.