李 楠

(西京學(xué)院信息工程學(xué)院， 西安 710123)

0 引言

輻射源識(shí)別技術(shù)經(jīng)過幾十年的發(fā)展，取得了大的進(jìn)步，各種識(shí)別算法相繼提出，文獻(xiàn)[1]提出基于棧式線性降噪器和支持向量機(jī)的雷達(dá)輻射源信號(hào)識(shí)別，先將雷達(dá)信號(hào)變換到頻域，利用PAA算法對信號(hào)降維，構(gòu)造多層線性降噪器進(jìn)行特征學(xué)習(xí)，構(gòu)建SVM進(jìn)行識(shí)別。文獻(xiàn)[2]提出一種深度學(xué)習(xí)的雷達(dá)輻射源識(shí)別算法。文獻(xiàn)[3]提出基于希爾伯特-黃變換和多尺度分形特征的通信輻射源識(shí)別方法。文獻(xiàn)[4]提出基于圖像紋理特征的脈內(nèi)調(diào)制識(shí)別方法，對輻射源信號(hào)進(jìn)行Choi-Williams變換，提取二值模式紋理特征，利用支持向量機(jī)進(jìn)行分類識(shí)別。文獻(xiàn)[5]提出基于隨機(jī)無窮自動(dòng)機(jī)的多功能雷達(dá)輻射源識(shí)別方法，利用隨機(jī)上下文無關(guān)文法構(gòu)造隨機(jī)無窮自動(dòng)機(jī)對輻射源識(shí)別。文獻(xiàn)[6]提出基于協(xié)作表示Boosting的輻射源多傳感器融合識(shí)別算法。文獻(xiàn)[7]提出基于壓縮感知的輻射源信號(hào)數(shù)據(jù)級(jí)融合識(shí)別法。文獻(xiàn)[8]提出基于逆云模型的雷達(dá)輻射源識(shí)別方法，能在噪聲環(huán)境下得到好的識(shí)別效果。文獻(xiàn)[9-11]提出分布式傳感器信息融合的輻射源識(shí)別，識(shí)別效果較好。文獻(xiàn)[12]對雷達(dá)輻射源模糊識(shí)別算法進(jìn)行了改進(jìn)。文獻(xiàn)[13]提出基于云模型的DSm證據(jù)建模的輻射源識(shí)別方法。文獻(xiàn)[14]綜述了近年來雷達(dá)輻射源識(shí)別的研究現(xiàn)狀。以上部分識(shí)別算法用于軍事裝備中，但從使用過程中可以發(fā)現(xiàn)，集成于裝備中的識(shí)別算法對新體制雷達(dá)和未知輻射源難以奏效，因此研究新的識(shí)別算法提高輻射源識(shí)別率顯得格外重要。

隨著雷達(dá)體制及信號(hào)越來越復(fù)雜，傳統(tǒng)的五參數(shù)法已經(jīng)難以適應(yīng)復(fù)雜的信號(hào)環(huán)境。輻射源信號(hào)特征具有多樣性，各特征在輻射源識(shí)別中的作用由其權(quán)重確定。特征參數(shù)權(quán)重確定之后，利用屬性識(shí)別法對未知輻射源信號(hào)進(jìn)行識(shí)別，為進(jìn)一步提高雷達(dá)輻射源信號(hào)識(shí)別率，采用分布式信息融合技術(shù)利用D-S證據(jù)理論改善輻射源正確識(shí)別率。

1 理論基礎(chǔ)

1.1 層次分析定權(quán)法

層次分析法是T.L.Saaty等人于20世紀(jì)70年代提出的，是確定權(quán)重的實(shí)用方法。對輻射源信號(hào)多參數(shù)特征，利用層次分析法對特征參數(shù)進(jìn)行重要性比較，構(gòu)成判斷矩陣。根據(jù)一定準(zhǔn)則得到特征參數(shù)權(quán)重。利用層次分析法計(jì)算輻射源信號(hào)特征參數(shù)權(quán)重步驟如下[11]：

步驟1：根據(jù)輻射源信號(hào)特征參數(shù)的重要度，構(gòu)造比對判斷矩陣A；

步驟2：利用幾何平均法計(jì)算權(quán)值

步驟3：計(jì)算矩陣A·W的最大特征值λmax，其對應(yīng)的權(quán)值經(jīng)過一致性檢驗(yàn)，W可作為層次分析權(quán)重。

1.2 熵值定權(quán)法

熵值法是客觀賦值法，利用數(shù)據(jù)庫中原始信息計(jì)算特征參數(shù)權(quán)值。特征參數(shù)值變異程度大，則信息熵值小，該特征參數(shù)的信息量大，則該參數(shù)的權(quán)值也越大；相反，特征參數(shù)值變異程度小，則信息熵值大，該特征參數(shù)的信息量小，則該參數(shù)的權(quán)值也越小。因此，可用信息熵工具計(jì)算特征參數(shù)權(quán)值。利用熵值法計(jì)算輻射源信號(hào)特征參數(shù)權(quán)重步驟如下[10]：

1.3 粗糙集定權(quán)法

1993年Ziarko提出了可變精度粗糙集模型，在其基礎(chǔ)上，引入誤差參數(shù)β(0≤β≤0.5)，進(jìn)一步完善了近似空間，同時(shí)也利于用粗糙集理論從認(rèn)為不相關(guān)的數(shù)據(jù)中發(fā)現(xiàn)相關(guān)數(shù)據(jù)。利用變精度粗糙集模型獲取雷達(dá)輻射源屬性參數(shù)的權(quán)重，方便于后續(xù)的輻射源識(shí)別進(jìn)程。權(quán)值獲取步驟如下[15]：

1.4 基于證據(jù)理論的信息融合

設(shè)識(shí)別系統(tǒng)的分布式傳感器有P個(gè)，每個(gè)傳感器有Q個(gè)測量周期，識(shí)別框架Θ包含的命題有K個(gè)(A1,A2,…,AK)，每個(gè)傳感器在各測量周期上獲得的后驗(yàn)BPAF為mij(As),i=1,2,…,P；j=1,2,…,Q；s=1,2,…,K，mij(U)=uij，i=1,2,…,P；j=1,2,…,Q，其中，uij表示對“未知”命題的BPAF。

分布式傳感器多測量周期輻射源識(shí)別信息融合算法步驟如下[9]：

步驟1：時(shí)域融合。對第i個(gè)傳感器，按照Q個(gè)測量周期的累積量測，由Dempster組合規(guī)則可得第s個(gè)命題As的單傳感器融合后驗(yàn)BPAF：

步驟2：空域融合。對P個(gè)分布式傳感器系統(tǒng)，在上述單傳感器多測量周期信息融合的基礎(chǔ)上，對所有傳感器進(jìn)行信息融合，可得第s個(gè)命題As的分布式傳感器融合后驗(yàn)BPAF：

步驟3：決策規(guī)則。決策時(shí)采用基于BPAF的決策。

2 基于多權(quán)重屬性測度和信息融合的識(shí)別算法及程序流程

采用自適應(yīng)權(quán)重法確定多參數(shù)的權(quán)重向量更符合實(shí)際輻射源識(shí)別環(huán)境，在獲得權(quán)重的基礎(chǔ)上利用屬性測度識(shí)別法識(shí)別輻射源目標(biāo)更貼近輻射源識(shí)別的特點(diǎn)，下面給出具體的識(shí)別算法。

步驟3：利用第1節(jié)幾種方法計(jì)算多參數(shù)權(quán)重W=(w1,w2,…,wJ)T；

步驟4：計(jì)算得到待識(shí)別樣本x屬于Ck類的屬性測度μx(Ck)；

步驟5：將多個(gè)傳感器偵測到的樣本屬性測度μx(Ck)利用信息融合公式進(jìn)行融合；

步驟6：融合后的結(jié)果采用基于基本概率賦值的決策進(jìn)行判決，最終得出識(shí)別結(jié)果。

輻射源識(shí)別算法程序流程如圖1所示。

圖1 多權(quán)重屬性測度信息融合輻射源識(shí)別流程

3 仿真實(shí)驗(yàn)

為驗(yàn)證多權(quán)重屬性測度和信息融合的輻射源識(shí)別算法識(shí)別效能，利用模擬器模擬輻射源，獲得4部雷達(dá)數(shù)據(jù)庫，選擇雷達(dá)輻射源信號(hào)特征為載頻、脈寬、重復(fù)周期，如表1所示。利用上文3種定權(quán)法確定輻射源信號(hào)特征參數(shù)權(quán)值。測試識(shí)別算法在雷達(dá)數(shù)據(jù)庫的基礎(chǔ)上構(gòu)造識(shí)別偵察參數(shù)，選取庫中雷達(dá)2，對該雷達(dá)特征參數(shù)加上均值為0的正態(tài)分布噪聲，得到偵察測量樣本如表2所示。

在得到輻射源數(shù)據(jù)庫和偵察傳感器測得的信號(hào)特征參數(shù)的情況下，利用前述的幾種定權(quán)法計(jì)算輻射源信號(hào)參數(shù)權(quán)重如表3所示。

表1 雷達(dá)數(shù)據(jù)庫

表2 信號(hào)參數(shù)測量值

表3 3種定權(quán)法所得權(quán)重

選擇任一獲權(quán)法參與輻射源識(shí)別權(quán)重確定，結(jié)合上述計(jì)算步驟計(jì)算信號(hào)特征參數(shù)屬性測度，構(gòu)造基本概率賦值BPAF如表4所示。

表4 屬性測度基本概率賦值

從表4可發(fā)現(xiàn)第4次計(jì)算結(jié)果判定輻射源為雷達(dá)1，是錯(cuò)誤的識(shí)別結(jié)果，原因是測量出現(xiàn)了野值，利用分布式信息融合在時(shí)域和空域進(jìn)行多個(gè)測量識(shí)別結(jié)果的進(jìn)一步融合，可以降低輻射源錯(cuò)誤識(shí)別率，文中信息融合識(shí)別結(jié)果如表5所示。從識(shí)別結(jié)果可見被測輻射源為輻射源雷達(dá)2，識(shí)別結(jié)果正確。

表5 信息融合識(shí)別結(jié)果

3.1 不同定權(quán)法在識(shí)別中的性能分析

假定雷達(dá)數(shù)據(jù)庫中每個(gè)特征參數(shù)含有不同測量誤差，其誤差服從正態(tài)分布，按照表1中的4部雷達(dá)進(jìn)行仿真，生成800個(gè)雷達(dá)輻射源特征參數(shù)數(shù)據(jù)，每部雷達(dá)200個(gè)樣本，構(gòu)成待測輻射源數(shù)據(jù)。圖2是3種獲權(quán)法所得權(quán)值在不同噪聲環(huán)境下的輻射源平均識(shí)別率比較結(jié)果，識(shí)別采用文中屬性測度和信息融合的識(shí)別算法，各通過1 000次蒙特卡羅仿真。

圖2 不同權(quán)值平均識(shí)別率

從圖2的識(shí)別結(jié)果對比來看，4部雷達(dá)在不同的噪聲環(huán)境下采用不同的定權(quán)法，其正確識(shí)別率是有差異的，隨著噪聲的增加，輻射源識(shí)別率呈下降趨勢，同一噪聲環(huán)境下，層次分析定權(quán)法的識(shí)別率最高，其次是熵值法，粗糙集定權(quán)法的識(shí)別率最低。由此可見，采用不同的權(quán)值確定方法對輻射源識(shí)別的結(jié)果有大的影響，因此單采用一種權(quán)值確定方法可能會(huì)產(chǎn)生錯(cuò)誤的識(shí)別結(jié)果，利用文中多種定權(quán)法能克服一種定權(quán)法的劣勢，結(jié)合分布式多傳感器時(shí)域、空域融合過程，則能大幅提高輻射源的正確識(shí)別率，因此在輻射源的識(shí)別過程中，采用多權(quán)值法更符合復(fù)雜電磁環(huán)境的實(shí)際。

3.2 文中算法同其它識(shí)別法的性能比較

為了驗(yàn)證多權(quán)重屬性測度和信息融合的識(shí)別效能，將文中算法同文獻(xiàn)[8]和文獻(xiàn)[12]的識(shí)別方法在相同的雷達(dá)信號(hào)數(shù)據(jù)庫和噪聲環(huán)境下進(jìn)行輻射源識(shí)別仿真分析。

雷達(dá)數(shù)據(jù)庫采用表1中的數(shù)據(jù)，信噪比變化范圍-10 dB到5 dB，SNR分別取-10 dB、-5 dB、0 dB、5 dB，經(jīng)過1 000次蒙特卡羅實(shí)驗(yàn)，對加噪的信號(hào)參數(shù)利用文中識(shí)別算法、文獻(xiàn)[8]方法、文獻(xiàn)[12]方法分別進(jìn)行輻射源識(shí)別，取4部雷達(dá)的平均識(shí)別率進(jìn)行對比，識(shí)別率對比結(jié)果如圖3所示。

圖3 平均識(shí)別率對比

從圖3的識(shí)別率對比結(jié)果來看，當(dāng)信噪比大于0 dB的時(shí)候，3種識(shí)別算法都能取得高于80%的正確識(shí)別率。在不同的信噪比條件下，文中算法的識(shí)別率均高于文獻(xiàn)[8]逆云模型的識(shí)別率和文獻(xiàn)[12]改進(jìn)模糊識(shí)別法的識(shí)別率，這是因?yàn)椴捎枚鄼?quán)重策略和信息融合的優(yōu)勢。當(dāng)信噪比較高時(shí)，幾種識(shí)別算法的識(shí)別效能相差不大。另外文中算法的耗時(shí)要大于其它兩種算法，權(quán)重確定和分布式時(shí)、空域融合占用了部分時(shí)間。

通過上述仿真結(jié)果，可得以下結(jié)論：

1)針對同一數(shù)據(jù)庫，層次分析定權(quán)、熵值計(jì)算權(quán)重、粗糙集定權(quán)值，3種方法的權(quán)值計(jì)算結(jié)果有差異，這與輻射源數(shù)據(jù)庫特征參數(shù)有重要關(guān)系，不同的權(quán)值其輻射源識(shí)別率是不同的。

2)相比于逆云模型和改進(jìn)模糊識(shí)別法，文中屬性測度和信息融合的識(shí)別方法識(shí)別率更加穩(wěn)健，當(dāng)信噪比大于0 dB的時(shí)候，識(shí)別率高于90%。

3)分布式信息融合利用多權(quán)重屬性測度融合各傳感器獨(dú)立、互補(bǔ)的信息，消除相互的冗余和悖逆，隨著時(shí)域、空域的融合，進(jìn)一步提高了正確識(shí)別率。

4 結(jié)束語

面對當(dāng)前復(fù)雜電磁環(huán)境下輻射源正確識(shí)別率低的問題，提出了基于多權(quán)重屬性測度和信息融合的輻射源識(shí)別方法。首先分析當(dāng)前輻射源識(shí)別研究現(xiàn)狀，發(fā)現(xiàn)輻射源信號(hào)特征參數(shù)在識(shí)別中的權(quán)重影響識(shí)別效果，給出了層次分析定權(quán)法、熵值定權(quán)法、粗糙集定權(quán)法，并列出信息融合的步驟，構(gòu)建了基于多權(quán)重屬性測度和信息融合的輻射源識(shí)別算法和識(shí)別系統(tǒng)。通過仿真實(shí)驗(yàn)，將文中方法同基于逆云模型的輻射源識(shí)別方法和改進(jìn)模糊集的輻射源識(shí)別方法進(jìn)行了識(shí)別性能比較，驗(yàn)證了文中算法的優(yōu)越性。