黃黔川，劉盼盼

（電子信息控制重點(diǎn)實(shí)驗(yàn)室，四川 成都 610036）

0 引言

電子偵察是電子戰(zhàn)支援的一種手段，即采用各種電子裝置偵察敵方電子系統(tǒng)并測(cè)定其各種參數(shù)。對(duì)電磁信號(hào)進(jìn)行搜索、截獲、測(cè)量、識(shí)別和定位，以獲取雷達(dá)、通信等設(shè)備發(fā)射電磁信號(hào)的電子信號(hào)特征參數(shù)及位置信息。電子偵察無人機(jī)和地基、艦載等偵察手段相比具有獨(dú)特的優(yōu)勢(shì)，它的作用距離遠(yuǎn)、覆蓋地域大、機(jī)動(dòng)能力強(qiáng)，并且危險(xiǎn)性小，不會(huì)造成人員傷亡，有一架無人機(jī)就能對(duì)輻射源定位［1］。然而，與地基、船載、大型機(jī)載設(shè)備相比，由于無人機(jī)平臺(tái)的負(fù)荷限制，通常無人機(jī)載無源偵察設(shè)備的天線、接收機(jī)和處理器規(guī)模受到制約，導(dǎo)致其電子偵察的瞬時(shí)空-頻覆蓋能力較弱［2］。面對(duì)復(fù)雜電磁環(huán)境、特別是電子目標(biāo)閃爍開機(jī)時(shí)，操作員對(duì)電子偵察無人機(jī)的資源調(diào)度工作量陡增，工作效率低下。通過優(yōu)化電子偵察無人機(jī)傳感器資源調(diào)度算法，能夠有效提升電子偵察無人機(jī)的偵察效率。

目前國(guó)內(nèi)對(duì)電子偵察無人機(jī)傳感器資源調(diào)度算法的研究較少。文獻(xiàn)［2］提出了一種無人機(jī)群協(xié)同無源定位資源優(yōu)化調(diào)度方法，該方法主要是利用觀察窗口進(jìn)行偵察資源的協(xié)同優(yōu)化調(diào)度。文獻(xiàn)［3］提出了一種無人機(jī)偵察任務(wù)系統(tǒng)即時(shí)排序的算法，算法根據(jù)任務(wù)有效性及任務(wù)分類進(jìn)行偵察任務(wù)的排序，但該算法粒度較粗，僅細(xì)化到任務(wù)級(jí)，未在傳感器級(jí)上進(jìn)行調(diào)度控制。文獻(xiàn)［4］提出了一種基于效能函數(shù)的傳感器管理最優(yōu)決策模型，該模型以量測(cè)前后獲得的目標(biāo)信息增量為性能指標(biāo)，分析了基于最大預(yù)測(cè)誤差協(xié)方差的傳感器資源分配算法的最優(yōu)性能。但基于效能函數(shù)的方法無法解決線性加權(quán)求和方法在目標(biāo)參數(shù)量化和優(yōu)先級(jí)分配中的問題。

電子偵察無人機(jī)中傳感器的調(diào)度問題，其本質(zhì)是對(duì)被偵察目標(biāo)優(yōu)先級(jí)的排序問題，本文通過梳理電子偵察中的目標(biāo)優(yōu)先級(jí)分配要素，構(gòu)建一個(gè)多變量多層的網(wǎng)絡(luò)模型，再利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)技術(shù)，來解決電子偵察無人機(jī)資源調(diào)度中復(fù)雜電磁環(huán)境下目標(biāo)優(yōu)先級(jí)分配問題，使得傳感器資源分配策略更加高效自主。

1 目標(biāo)優(yōu)先級(jí)分配要素

根據(jù)電子偵察的特點(diǎn)，電子偵察目標(biāo)優(yōu)先級(jí)分配的信息有：威脅等級(jí)、重要等級(jí)、時(shí)敏等級(jí)、定位標(biāo)記、定位誤差、截獲次數(shù)、重返偵察時(shí)間。將其分別用x1，x2，…，x7表示，則有：

x1：表示目標(biāo)威脅等級(jí)，取值［1，9］。9為最高，1為最低；威脅等級(jí)越高，目標(biāo)分配優(yōu)先級(jí)越高。

x2：表示目標(biāo)重要等級(jí)，取值［1，3］。3表示人工指定重點(diǎn)目標(biāo)，2表示自動(dòng)判定重點(diǎn)目標(biāo)，1表示非重點(diǎn)目標(biāo)；重要等級(jí)越高，目標(biāo)分配優(yōu)先級(jí)越高。

x3：表示目標(biāo)時(shí)敏等級(jí)，取值［1，3］。3表示地面制導(dǎo)類雷達(dá)時(shí)敏等級(jí)，2表示地面警戒雷達(dá)時(shí)敏等級(jí)，1表示地面氣象、導(dǎo)航等雷達(dá)時(shí)敏等級(jí)；時(shí)敏等級(jí)越高，目標(biāo)分配優(yōu)先級(jí)越高。

x4：表示目標(biāo)定位標(biāo)記，取值0或1。0表示目標(biāo)未定位，1表示目標(biāo)未定位；未定位目標(biāo)優(yōu)先級(jí)高于已定位目標(biāo)。

x5：表示目標(biāo)定位誤差，取值［1，99］，單位km。定位目標(biāo)中定位誤差越小，目標(biāo)分配優(yōu)先級(jí)越低。

x6：表示截獲次數(shù)，取值［1，9 999］。截獲次數(shù)越大，目標(biāo)分配優(yōu)先級(jí)越低。

指定海域中通航的船舶交通風(fēng)險(xiǎn)，該風(fēng)險(xiǎn)顯示為此航線上通行的船舶發(fā)生碰撞或擱淺的概率，并量化為某個(gè)指定的時(shí)間段內(nèi)發(fā)生該事故數(shù)。

x7：表示重返偵察時(shí)間，取值［1，999］，單位s。時(shí)間間隔越大，目標(biāo)分配優(yōu)先級(jí)越高。

x1，x2，…，x7中部分值通常呈現(xiàn)非線性特征，其值的確定需要依靠操作人員的控制經(jīng)驗(yàn)和專家知識(shí)。在實(shí)際應(yīng)用時(shí)需模糊量化將各個(gè)參數(shù)歸一化到［0，1］范圍內(nèi)。歸一化的數(shù)據(jù)更能反映目標(biāo)信息之間的關(guān)系以及目標(biāo)和目標(biāo)優(yōu)先級(jí)之間的關(guān)系。

2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)

2.1 RBF神經(jīng)網(wǎng)絡(luò)的構(gòu)造

徑向基函數(shù)（RBF）方法是用于多變量函數(shù)插值的一種傳統(tǒng)方法。1988年，Broomhead和Lowe將RBF應(yīng)用于神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)之中，構(gòu)造了RBF神經(jīng)網(wǎng)絡(luò)［5］。它具備網(wǎng)絡(luò)簡(jiǎn)單、學(xué)習(xí)速度快和逼近性能良好等優(yōu)點(diǎn)，廣泛應(yīng)用于函數(shù)逼近、模式分類等。

RBF神經(jīng)網(wǎng)絡(luò)是一種三層前饋神經(jīng)網(wǎng)絡(luò)，輸入層由若干感知單元組成，不對(duì)信號(hào)做任何處理，主要作用是傳遞信號(hào)到隱層；隱層采用徑向基函數(shù)作為激活函數(shù)，通常包含較多的神經(jīng)元個(gè)數(shù)，完成從輸入空間到隱層空間的非線性變換；輸出層對(duì)隱層輸出進(jìn)行線性計(jì)算，完成對(duì)輸入信號(hào)的響應(yīng)。圖1為RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖［6］。

圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖1 中，X=[x1，x2，…，xi]T表示RBF神經(jīng)網(wǎng)絡(luò)的輸入變量；H=[h1，h2，…，hj]T表示RBF神經(jīng)網(wǎng)絡(luò)隱層中的徑向基向量；W=[w1，w2，…，wn]T表示RBF神經(jīng)網(wǎng)絡(luò)輸出權(quán)值向量。

在RBF神經(jīng)網(wǎng)絡(luò)中，高斯函數(shù)、多二次函數(shù)、逆多二次函數(shù)都可以用作徑向基函數(shù)。其中，多二次函數(shù)呈現(xiàn)單調(diào)遞增特征，高斯函數(shù)、逆多二次函數(shù)隨著中心距離的增大呈現(xiàn)單調(diào)遞減的特征。本文選取高斯函數(shù)作為徑向基函數(shù)。高斯函數(shù)這種呈單調(diào)遞減性的徑向基函數(shù)具有良好的局部特性，它會(huì)對(duì)輸入信號(hào)在局部范圍產(chǎn)生響應(yīng)，即變量x靠近徑向基函數(shù)的中心時(shí)，函數(shù)將取得最大的值。

采用高斯函數(shù)作為徑向基函數(shù)時(shí)，徑向基神經(jīng)網(wǎng)絡(luò)的激活函數(shù)hj表示為：

式中，Cj=[cj1，cj2，…，cjn]T，j=1，2，…，n為隱層第j個(gè)節(jié)點(diǎn)的中心向量。δj表示網(wǎng)絡(luò)節(jié)點(diǎn)j的基寬參數(shù)。

由此可得，RBF神經(jīng)網(wǎng)絡(luò)輸出為：

同時(shí)，定義RBF網(wǎng)絡(luò)逼近性能度量：

2.2 RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)

根據(jù)RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)可知，輸入層與隱層直接連接，而隱層與輸出層通過權(quán)值矩陣Wn相連接，而RBF網(wǎng)絡(luò)要學(xué)習(xí)的主要參數(shù)有3個(gè)，基函數(shù)的中心cj、方差δj及隱層到輸出層的權(quán)值Wn。

如圖2所示，RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練步驟為：

圖2 RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練流程

1）進(jìn)行神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化，確定網(wǎng)絡(luò)誤差精度δ及迭代次數(shù)N；

2）利用訓(xùn)練樣本數(shù)據(jù)（含輸入訓(xùn)練樣本和期望輸出集）計(jì)算輸出結(jié)果，并計(jì)算與期望輸出的均方根誤差；

3）若誤差滿足終止條件，則終止訓(xùn)練，否則，采用梯度下降法繼續(xù)調(diào)整cj、δj和Wn，再進(jìn)行循環(huán)計(jì)算并判斷是否滿足終止條件。

3 仿真分析

3.1 RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練

理論上，只要網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)足夠多，RBF神經(jīng)網(wǎng)絡(luò)就可以以任意精度逼近任何非線性函數(shù)［7］。為了驗(yàn)證基于RBF神經(jīng)網(wǎng)絡(luò)的電子偵察無人機(jī)資源調(diào)度的有效性及正確性，基于目標(biāo)優(yōu)先級(jí)分配信息及專家經(jīng)驗(yàn)生成了450組數(shù)據(jù)，涵蓋了威脅等級(jí)、重要等級(jí)、時(shí)敏等級(jí)、定位標(biāo)記、定位誤差、截獲次數(shù)、重返偵察時(shí)間等信息的集合。選取其中400組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，剩余50組作為驗(yàn)證數(shù)據(jù)。在RBF神經(jīng)網(wǎng)絡(luò)中，設(shè)定誤差精度δ=0.001及迭代最大次數(shù)N=200。多次訓(xùn)練表明，隱層節(jié)點(diǎn)數(shù)等于34時(shí)，訓(xùn)練時(shí)間及誤差精度滿足要求。RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測(cè)值與真實(shí)值對(duì)比如圖3所示。

圖3 RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測(cè)與真實(shí)值對(duì)比圖

3.2 場(chǎng)景仿真驗(yàn)證

仿真試驗(yàn)中包含1架電子偵察無人機(jī)及10部地面雷達(dá)。其中雷達(dá)1—6全程開機(jī)，雷達(dá)7—10閃爍開機(jī)（每間隔2 min開機(jī)20 s）。表1為10部雷達(dá)的具體工作參數(shù)。

表1 仿真驗(yàn)證雷達(dá)工作參數(shù)表

設(shè)定電子偵察無人機(jī)從位置（108°8'48″E，34°24'39″N）起飛，速度450 km/h，航向180°，偵察范圍機(jī)身法線方向左右45°范圍內(nèi)，飛行時(shí)間100 min。

使用RBF神經(jīng)網(wǎng)絡(luò)根據(jù)實(shí)時(shí)偵察信息進(jìn)行偵察資源優(yōu)先級(jí)計(jì)算，并根據(jù)計(jì)算結(jié)果將優(yōu)先級(jí)系數(shù)最低的3個(gè)偵察資源分配給優(yōu)先級(jí)系數(shù)最高的3個(gè)偵察資源。圖4為使用RBF神經(jīng)網(wǎng)絡(luò)策略調(diào)度前后無人機(jī)資源分配對(duì)比情況。從對(duì)比情況來看，使用RBF神經(jīng)網(wǎng)絡(luò)策略調(diào)度能夠在偵察過程中根據(jù)實(shí)時(shí)偵察情況來調(diào)度資源，將持續(xù)開機(jī)目標(biāo)頻段資源分配給了閃爍開機(jī)目標(biāo)。

圖4 RBF神經(jīng)網(wǎng)絡(luò)與常規(guī)輪訓(xùn)策略資源調(diào)度對(duì)比圖

圖5為使用RBF神經(jīng)網(wǎng)絡(luò)策略調(diào)度前后偵察雷達(dá)截獲次數(shù)情況。從對(duì)比情況來看，使用RBF神經(jīng)網(wǎng)絡(luò)策略調(diào)度避免了偵察資源浪費(fèi)在重復(fù)的目標(biāo)上，更傾向于截獲次數(shù)全局最優(yōu)的結(jié)果。

圖5 RBF神經(jīng)網(wǎng)絡(luò)與常規(guī)輪訓(xùn)策略截獲次數(shù)對(duì)比圖

圖6為使用RBF神經(jīng)網(wǎng)絡(luò)策略調(diào)度前后偵察雷達(dá)定位誤差情況。從對(duì)比情況來看，傳統(tǒng)的資源調(diào)度方法對(duì)閃爍開機(jī)的雷達(dá)8、雷達(dá)10未能進(jìn)行有效定位；使用RBF神經(jīng)網(wǎng)絡(luò)策略調(diào)度雖然在部分目標(biāo)定位精度收斂速度上有所損失，但是成功地將閃爍開機(jī)的雷達(dá)8、雷達(dá)10進(jìn)行了有效定位。

4 結(jié)束語

電子偵察無人機(jī)偵察資源調(diào)度是一個(gè)復(fù)雜的問題，由于影響傳感器資源調(diào)度的因素較多，在復(fù)雜電磁環(huán)境下，傳統(tǒng)的傳感器資源調(diào)度方法難以快速有效地進(jìn)行傳感器資源分配。本文將傳感器資源分配問題轉(zhuǎn)換成目標(biāo)偵察優(yōu)先級(jí)排序問題，并利用RBF神經(jīng)網(wǎng)絡(luò)可以逼近非線性函數(shù)的能力，解決了目標(biāo)優(yōu)先級(jí)分配過程中的非線性問題。仿真結(jié)果表明，在面對(duì)復(fù)雜環(huán)境時(shí)，本文方法能有效地提升傳感器調(diào)度資源偵察效率。