（中國船舶重工集團(tuán)第七二三研究所 揚(yáng)州 225001）

1 引言

雷達(dá)輻射源在不同量程上采用不同的信號(hào)波形完成探測功能。傳統(tǒng)雷達(dá)通過手動(dòng)切換量程方式完成量程切換，這使得雷達(dá)輻射源的信號(hào)具有穩(wěn)定性的特征。而根據(jù)外場數(shù)據(jù)采集分析的結(jié)果，當(dāng)前導(dǎo)航雷達(dá)采用近程和遠(yuǎn)程同時(shí)覆蓋的方式完成探測。以提高雷達(dá)的數(shù)據(jù)率和擴(kuò)大雷達(dá)的探測范圍。圖1為具有兩個(gè)量程導(dǎo)航雷達(dá)信號(hào)示意圖，第一個(gè)量程內(nèi)采用N個(gè)參數(shù)為｛RF1，PRI1，PW1｝的脈沖串，第二量程內(nèi)采用1個(gè)參數(shù)為｛RF2，PRI2，PW2｝的脈沖。

傳統(tǒng)的信號(hào)分選方法有積累時(shí)差直方圖法（CDIF）[1]、不積累時(shí)差直方圖法（SDIF）[2]、序列檢索法[3～4]、智能外推窗匹配法[5]、綜合參數(shù)相關(guān)法[6]等方法。上述基于到達(dá)時(shí)間TOA的分選方法能夠分選出導(dǎo)航雷達(dá)的第一個(gè)量程內(nèi)的脈沖信號(hào)；而無法應(yīng)對(duì)第二個(gè)量程內(nèi)的脈沖信號(hào)，或者導(dǎo)致信號(hào)分選增批。在進(jìn)行主處理時(shí)，造成信號(hào)識(shí)別性能下降，影響指戰(zhàn)人員對(duì)戰(zhàn)場態(tài)勢的判斷。

數(shù)據(jù)挖掘是從已知數(shù)據(jù)集合中發(fā)現(xiàn)各種模型、概要和導(dǎo)出值的過程[7]。傳統(tǒng)的信號(hào)分選方法已經(jīng)無法應(yīng)對(duì)上述雷達(dá)信號(hào)的處理。針對(duì)雷達(dá)輻射脈沖信號(hào)中的模式，本文采用GSP（generalized sequential pattern）算法對(duì)雷達(dá)信號(hào)知識(shí)進(jìn)行挖掘[8]。該算法通過傳統(tǒng)信號(hào)分選方法，聚類出子序列，在子序列的基礎(chǔ)上在挖掘更大尺度結(jié)構(gòu)模型，增加了掃描的約束條件，有效地減少需要掃描候選序列的數(shù)量。在完成數(shù)據(jù)挖掘后，形成規(guī)則庫用于對(duì)雷達(dá)輻射源的標(biāo)注和識(shí)別。

因此雷達(dá)信號(hào)知識(shí)挖掘的流程如圖2所示。

圖2 雷達(dá)信號(hào)知識(shí)挖掘流程圖

通過上述方法對(duì)雷達(dá)信號(hào)的模式挖掘，并形成雷達(dá)信號(hào)識(shí)別規(guī)則庫，提高雷達(dá)輻射源描述的完整性和對(duì)雷達(dá)輻射源識(shí)別的準(zhǔn)確性；降低雷達(dá)輻射源的增批。有效提高對(duì)戰(zhàn)場雷達(dá)輻射源的態(tài)勢把握。

2 雷達(dá)信號(hào)分選預(yù)處理

雷達(dá)截獲接收機(jī)接收到一系列按到達(dá)時(shí)間（Time of Arrive，TOA）先后順序排列而成的脈沖，包含了多部雷達(dá)信號(hào)發(fā)射的信號(hào)以及干擾、噪聲脈沖序列。雷達(dá)信號(hào)分選就是從這種交錯(cuò)的脈沖流分離出各種雷達(dá)的脈沖序列，并篩選出有用信號(hào)的過程。雷達(dá)信號(hào)分選的基本方法是利用雷達(dá)信號(hào)的規(guī)律性，判斷脈沖流中的每個(gè)脈沖來自于哪個(gè)雷達(dá)。

從數(shù)學(xué)上看，雷達(dá)分選過程是從接收到的脈沖序列中，發(fā)現(xiàn)各輻射源模式并進(jìn)行分離的過程。傳統(tǒng)的雷達(dá)輻射源信號(hào)分選預(yù)處理采用的基本方法有積累時(shí)差直方圖法（CDIF）、不積累時(shí)差直方圖法（SDIF）、序列檢索法、智能外推窗匹配法、綜合參數(shù)相關(guān)法等方法。

序列檢測法相當(dāng)于數(shù)據(jù)挖掘算法中的Apriori-All算法，其基本思想為首先遍歷PDW（Pulse Description Word）生成候選序列并利用Apriori性質(zhì)進(jìn)行剪枝得到頻繁序列。每次遍歷都是通過連接上次得到的頻繁序列生成新的長度加1的候選序列，然后掃描每個(gè)候選序列驗(yàn)證，與最小值尺度進(jìn)行對(duì)比，判斷其是否為固定模式。

CDIF，SDIF方法是對(duì)序列檢測法的改進(jìn)。它在頻率、脈寬、方位上進(jìn)行一致性約束，而在時(shí)間序列上對(duì)雷達(dá)輻射源的模式挖掘進(jìn)行約束。SDIF由于不需要進(jìn)行累計(jì)，因此具有更小的計(jì)算量和更快的計(jì)算速度。SDIF分選方法分為PRI（Pulse Recurrence Interval）的估計(jì)和序列搜索兩部分組成。

首先，計(jì)算相鄰兩脈沖TOA的差形成第一級(jí)差值直方圖，計(jì)算門限，然后進(jìn)行子諧波檢測，如果有一個(gè)超過檢測門限值，則把該值作為可能的PRI進(jìn)行序列搜索，如果沒有超過門限的值，則計(jì)算下一級(jí)的差值直方圖，然后對(duì)可能的PRI進(jìn)行序列搜索。若能成功的分離出相應(yīng)的序列，則從采樣序列中扣除，并且對(duì)剩余的脈沖從第一級(jí)開始形成新的差值直方圖，在經(jīng)過子諧波檢驗(yàn)后，如果不止一個(gè)峰值超過門限，則從超過門限的峰值所對(duì)應(yīng)的最小間隔起進(jìn)行序列搜索，最后進(jìn)行參差鑒別。SDIF算法不對(duì)不同級(jí)的差值直方圖進(jìn)行累積，而只檢測當(dāng)前級(jí)的差值直方圖。SDIF算法的最佳檢測門限為

其中，E為脈沖總數(shù)，C為直方圖階數(shù)，N為直方圖的PRI個(gè)數(shù)，k為小于1的正常數(shù)，常數(shù)x由實(shí)驗(yàn)確定（與丟失脈沖的概率有關(guān)）。

設(shè)待分選的信號(hào)是三列交織在一起的脈沖串，PRI1=1041us，PRI2=1210us，PRI3=1350us。仿真結(jié)果如圖3所示。

圖3 SDIF仿真結(jié)果

CDIF，SDIF進(jìn)行信號(hào)分選時(shí)進(jìn)行頻率、脈寬、方位一致性的假設(shè)。在該假設(shè)的前提下在進(jìn)行雷達(dá)模式的提取。而隨著雷達(dá)技術(shù)的發(fā)展對(duì)雷達(dá)的頻率和脈寬進(jìn)行一致性假設(shè)已經(jīng)不符合實(shí)際的情況。因此需要在更高的層次上挖掘模式。傳統(tǒng)的信號(hào)分選方法針對(duì)近遠(yuǎn)程同時(shí)兼顧的雷達(dá)信號(hào)的處理結(jié)果如圖4所示。

圖4中紅點(diǎn)為已分選脈沖，白點(diǎn)為未分選脈沖。其中脈沖寬度較寬的脈沖是遠(yuǎn)程探測時(shí)采用的脈沖波型信號(hào)。導(dǎo)致其未分選的原因是該脈沖與近程模式下的脈沖參數(shù)不滿足一致性要求，該脈沖不會(huì)進(jìn)入SDIF的處理流程。

3 雷達(dá)信號(hào)知識(shí)挖掘的約束

雷達(dá)信號(hào)知識(shí)挖掘可以通過類似AprioriAll算法的序列檢索法進(jìn)行挖掘。在進(jìn)行序列檢索法進(jìn)行數(shù)據(jù)挖掘時(shí)需要考慮以下幾種約束。

1）計(jì)算復(fù)雜度：ESM（Electronic Support Measures）設(shè)備對(duì)信號(hào)處理具有實(shí)時(shí)性處理的要求，因此要求算法具有計(jì)算復(fù)雜度小的特點(diǎn)。整個(gè)序列的總數(shù)要進(jìn)行限制，否則由于計(jì)算復(fù)雜度的提升導(dǎo)致算法無法使用。

2）物理限制約束[9]：雷達(dá)輻射源為完成其探測功能。在參數(shù)選取上根據(jù)其技術(shù)體制進(jìn)行選區(qū)。這些技術(shù)體制決定了雷達(dá)輻射源的參數(shù)。對(duì)于恒頻脈沖波形信號(hào)來說，設(shè)脈沖持續(xù)時(shí)間為τ，重復(fù)間隔為PRI。則其最大非模糊距離為

盲距區(qū)間長度為

距離分辨率為

多普勒分辨率為

徑向速度分辨率為

而這些參數(shù)是相互制約的，因此對(duì)雷達(dá)輻射源的信號(hào)來說，其參數(shù)選取是根據(jù)物理約束進(jìn)行的。因此在進(jìn)行數(shù)據(jù)挖掘和頻繁項(xiàng)剪枝時(shí)需要考慮這些物理約束。

因此在備選模式選擇時(shí)，形成一系列的物理約束條件，不滿足這些物理約束條件的備選項(xiàng)，不進(jìn)行被選模式的選擇。在最終剪枝時(shí)，將不符合物理約束的模式項(xiàng)剪除。

因此對(duì)雷達(dá)信號(hào)的知識(shí)掌握越多，則雷達(dá)信號(hào)挖掘的復(fù)雜度越小，算法的實(shí)時(shí)性越高，挖掘出來的雷達(dá)知識(shí)越準(zhǔn)確可靠。

4 雷達(dá)信號(hào)知識(shí)挖掘流程

根據(jù)AprioriAll算法的基本思想[10]，在此基礎(chǔ)上增加序列長度的限制，SDIF預(yù)分選子結(jié)構(gòu)預(yù)選，最大貪婪子序列擴(kuò)展，結(jié)構(gòu)模型匹配最終形成針對(duì)雷達(dá)信號(hào)的 GSP（generalized sequential pattern）算法。其算法流程如下所示。

1）利用傳統(tǒng)SDIF算法進(jìn)行信號(hào)分選，SDIF將具有重頻具有固定規(guī)律（固定，參差，抖動(dòng)等類型）的雷達(dá)信號(hào)分選出來。以分選出來雷達(dá)參數(shù)信息作為基本子序列。經(jīng)過SDIF后選擇為基本子序列的結(jié)構(gòu)如圖5所示。

圖5 基本子序列結(jié)構(gòu)

2）根據(jù)子序列間脈沖數(shù)量確定子序列可以擴(kuò)展的最大值。降低搜索的空間，減少不必要的空間搜索。

3）根據(jù)備選的K序列利用最大貪婪子序列擴(kuò)展方法，對(duì)所有的子序列進(jìn)行由大到小的擴(kuò)展，避免子序列合并的工作。

4）構(gòu)造擴(kuò)展子序列時(shí)序和脈寬絕對(duì)差值累積匹配模型，通過模型匹配檢測擴(kuò)展后的相鄰子序列是否匹配，如果匹配則相應(yīng)的支持度增加。

5）如果擴(kuò)展子序列的支持度大于最小支持度門限，則進(jìn)行物理約束檢驗(yàn)。物理約束檢驗(yàn)主要通過雷達(dá)支持的最小、最大參數(shù)及信號(hào)處理方式帶來的約束上進(jìn)行。

6）根據(jù)生成的雷達(dá)信號(hào)模式生成正則表達(dá)式規(guī)則。正則表達(dá)式的表達(dá)方法為

其中每一個(gè)正則表達(dá)式的結(jié)構(gòu)為該子結(jié)構(gòu)的正則表達(dá)式結(jié)構(gòu)。

子結(jié)構(gòu)的正則表達(dá)式采用雷達(dá)載頻參數(shù)（包括載頻參數(shù)、重復(fù)間隔參數(shù)、脈寬參數(shù)、調(diào)制參數(shù)等參數(shù)）通配符進(jìn)行表達(dá)的方法進(jìn)行。

5 雷達(dá)已知信號(hào)識(shí)別

為了快速識(shí)別出戰(zhàn)場中的雷達(dá)輻射源信號(hào)信號(hào)一般將正則規(guī)則的匹配過程在高速并行的可編程邏輯器件上進(jìn)行實(shí)現(xiàn)[11～12]?？删幊踢壿嬈骷捎诳梢酝瑫r(shí)完成很多路的信號(hào)的匹配和跟蹤。雷達(dá)已知信號(hào)識(shí)別的工作流程如圖6所示。

圖6 雷達(dá)已知信號(hào)識(shí)別流程

主控設(shè)備完成N個(gè)已知雷達(dá)識(shí)別器的規(guī)則裝訂，并負(fù)責(zé)已知雷達(dá)識(shí)別器的啟?？刂乒ぷ鳌DW流被同時(shí)送到N個(gè)已知信號(hào)識(shí)別器進(jìn)行識(shí)別。

單個(gè)已知信號(hào)識(shí)別器工作的流程如圖7所示。

圖7 單個(gè)已知信號(hào)識(shí)別器工作流程

在進(jìn)行單個(gè)已知信號(hào)識(shí)別器進(jìn)行工作時(shí)，首先并行對(duì)K個(gè)子規(guī)則進(jìn)行匹配。然后進(jìn)行總規(guī)則進(jìn)行合法性檢查。當(dāng)檢測到符合總規(guī)則的脈沖序列時(shí)立即啟動(dòng)告警輸出，完成已知信號(hào)的識(shí)別工作。

6 試驗(yàn)結(jié)果

本節(jié)利用外場采集的導(dǎo)航雷達(dá)數(shù)據(jù)進(jìn)行試驗(yàn)驗(yàn)證。該導(dǎo)航雷達(dá)為遠(yuǎn)近程同時(shí)探測的機(jī)械掃描雷達(dá)。在信號(hào)采樣時(shí)，采樣頻率Fs=1GHz，中頻頻率為1.100GHz。該雷達(dá)采用兩種信號(hào)樣式來對(duì)遠(yuǎn)近程同時(shí)探測。在進(jìn)行模式匹配時(shí)，所選擇的最小支持?jǐn)?shù)為4。

通過雷達(dá)知識(shí)挖掘，挖掘出雷達(dá)遠(yuǎn)近程兼顧的雷達(dá)信號(hào)模式。挖掘后的結(jié)果如圖8所示。

雷達(dá)信號(hào)挖掘前效果圖

圖8 雷達(dá)信號(hào)挖掘后的效果圖

如圖所示，雷達(dá)信號(hào)挖掘前依賴于傳統(tǒng)的序列直方圖分選方法分選，遠(yuǎn)程模式下的雷達(dá)參數(shù)被丟棄作為未處理脈沖。雷達(dá)信號(hào)挖掘后挖掘出雷達(dá)完整的工作模式，并形成了完整的雷達(dá)輻射源模式規(guī)則。用于雷達(dá)輻射源識(shí)別。根據(jù)采樣的信噪比估計(jì)，該方法在雷達(dá)信號(hào)的信噪比大于4dB時(shí)有效。

7 結(jié)語

本文采用 GSP（generalized sequential pattern）算法對(duì)雷達(dá)信號(hào)知識(shí)進(jìn)行挖掘。利用SDIF分選算法預(yù)選出子序列，在子序列的基礎(chǔ)上在挖掘更大尺度結(jié)構(gòu)模型。對(duì)掃描的脈沖總數(shù)和序列擴(kuò)展的最大長度進(jìn)行了限制；對(duì)挖掘出來的模式進(jìn)行物理符合性驗(yàn)證。并將挖掘出來的模式形成正則關(guān)系表達(dá)式，用于對(duì)對(duì)雷達(dá)輻射源的已知信號(hào)識(shí)別中。實(shí)現(xiàn)了一種低計(jì)算復(fù)雜度，高效的雷達(dá)信號(hào)知識(shí)挖掘方法。通過外場真實(shí)數(shù)據(jù)試驗(yàn)驗(yàn)證表明，本算法可以在較低信噪比條件下實(shí)現(xiàn)對(duì)雷達(dá)信號(hào)知識(shí)的有效挖掘。本算法滿足實(shí)時(shí)性要求，適合于雷達(dá)電子對(duì)抗裝備中應(yīng)用。