邱海健

（中國電子科技集團(tuán)公司第三十八研究所，合肥 230000）

0 引言

不同雷達(dá)信號(hào)參數(shù)交疊使得情報(bào)處理系統(tǒng)對(duì)目標(biāo)輻射源識(shí)別困難。由于雷達(dá)時(shí)域、頻域參數(shù)覆蓋范圍大，偵察系統(tǒng)截獲的信號(hào)參數(shù)往往能夠匹配多個(gè)威脅輻射源，這導(dǎo)致對(duì)截獲雷達(dá)目標(biāo)的判型困難，即僅靠傳統(tǒng)的到達(dá)方向、載頻、到達(dá)時(shí)間、脈沖寬度、脈沖重復(fù)間隔等常規(guī)參數(shù)來分選和雷達(dá)型號(hào)識(shí)別，已遠(yuǎn)遠(yuǎn)不能滿足雷達(dá)輻射源目標(biāo)識(shí)別的需要。

雷達(dá)參數(shù)對(duì)雷達(dá)型號(hào)能夠取得較好的識(shí)別效果，多型雷達(dá)在頻率、脈寬或者脈沖間隔等參數(shù)上常有重疊等限制條件，以致造成實(shí)際工程應(yīng)用中雷達(dá)參數(shù)分離效果不佳，且需人工介入進(jìn)行判斷等缺點(diǎn)，這將嚴(yán)重影響系統(tǒng)的工作效能和效率。

在接收到的交錯(cuò)重疊的各類雷達(dá)信號(hào)基礎(chǔ)上，選取時(shí)頻空聯(lián)合分選方法對(duì)信號(hào)分析處理獲得雷達(dá)特征參數(shù)信息，利用載頻類型、信號(hào)帶寬、脈沖寬度、脈沖重復(fù)間隔、脈沖調(diào)制類型、脈內(nèi)調(diào)制類型、數(shù)據(jù)率、重頻等特征參數(shù)，構(gòu)成復(fù)雜體制雷達(dá)目標(biāo)描述向量，作為輻射源識(shí)別的基礎(chǔ)，建立決策矩陣。利用相同雷達(dá)信號(hào)的參數(shù)相關(guān)性和不同雷達(dá)信號(hào)的參數(shù)差異性來實(shí)現(xiàn)雷達(dá)信號(hào)的區(qū)分和雷達(dá)型號(hào)識(shí)別。

1 基于時(shí)頻空聯(lián)合的分選方法

雷達(dá)信號(hào)分選［1-2］中常常需要解決的問題包括：大數(shù)據(jù)量的處理策略、片段信號(hào)提取、錯(cuò)漏脈沖處理及目標(biāo)復(fù)雜時(shí)序等。由上述難點(diǎn)分析結(jié)合系統(tǒng)設(shè)計(jì)流程，為設(shè)計(jì)一個(gè)相對(duì)通用的分選過程，將分選步驟劃分為如圖1所示的幾個(gè)部分，每個(gè)部分設(shè)計(jì)相應(yīng)的處理算法。

圖1 分選處理流程

其中，人工參數(shù)設(shè)置及預(yù)覽主要為人機(jī)交互界面，該部分提供后續(xù)處理步驟的參數(shù)設(shè)置接口及效果預(yù)覽；匹配預(yù)處理主要完成基于已知目標(biāo)庫，采用RF、PW及PRI參數(shù)匹配的方法，對(duì)已知目標(biāo)進(jìn)行過濾；密度聚類完成輸入PDW 的聚類，可根據(jù)數(shù)據(jù)情況選擇采用參數(shù)RF、PW、DOA 的各組合中的一種作為聚類參數(shù)，聚類結(jié)果作為不同的通道分別進(jìn)行后續(xù)處理；PRI估計(jì)完成輸入PDW 流的PRI 檢測任務(wù)，作為后續(xù)抽取的依據(jù)；序列抽取根據(jù)估計(jì)的PRI值，實(shí)現(xiàn)對(duì)相同PRI 的PDW 序列抽取；參數(shù)統(tǒng)計(jì)對(duì)抽取的各PDW 序列進(jìn)行統(tǒng)計(jì)分析，生成RDW，同時(shí)計(jì)算RDW 的占空比，以評(píng)估RDW 的可信度，超出占空比范圍的RDW不作為輸出結(jié)果。

2 基于決策矩陣的雷達(dá)型號(hào)識(shí)別

采用決策矩陣的方法，利用載頻類型、信號(hào)帶寬、脈沖寬度、脈沖重復(fù)間隔、脈沖調(diào)制類型、脈內(nèi)調(diào)制類型、數(shù)據(jù)率、重頻等特征參數(shù)，構(gòu)成復(fù)雜體制雷達(dá)目標(biāo)描述向量，作為輻射源識(shí)別的基礎(chǔ)。

其中：M為選擇的特征個(gè)數(shù)。特征參數(shù)向量與待識(shí)別的目標(biāo)種類構(gòu)成決策矩陣空間。

其中：N為待識(shí)別的目標(biāo)種類個(gè)數(shù)，uij表示第i個(gè)特征參數(shù)對(duì)第j類目標(biāo)的隸屬度。

根據(jù)特征參數(shù)集中各特征參數(shù)的變量類型（離散型、連續(xù)型），可以采用不同的算法來確定隸屬度。如離散型特征參數(shù)可采用匹配的方式設(shè)置隸屬度：

而對(duì)于連續(xù)模擬型變量，如雷達(dá)的射頻、重頻、脈寬等，可以根據(jù)經(jīng)驗(yàn)選擇用正態(tài)型或柯西型等隸屬度函數(shù)：

其中：u為偵察測量獲得的數(shù)據(jù)值，σ為傳感器對(duì)特征參數(shù)測量誤差的均方差。由上述方法獲得的隸屬度矩陣U滿足歸一化、獨(dú)立性和兼容性條件。

為了量化各觀測值對(duì)目標(biāo)類別的支持，從而獲得型號(hào)的綜合判決結(jié)果，需對(duì)隸屬度矩陣設(shè)置權(quán)重矩陣：

權(quán)重矩陣可以根據(jù)專家知識(shí)設(shè)定，在無先驗(yàn)知識(shí)的情況下可通過熵值分析法設(shè)置。對(duì)于第j類目標(biāo)的雷達(dá)輻射源，已提取的特征參數(shù)共有M個(gè)。對(duì)每個(gè)特征參數(shù)Fi(i= 1,2,…,M)，將其對(duì)應(yīng)的分布區(qū)間分為相等的L段，記為rk(i),k= 1,2,…,L。這里的分布區(qū)間是指第j類模式的最大可能的參數(shù)分布區(qū)間。則滿足Fi∈rk(i)的樣本屬于第j類的概率為

式中：Nk(i)為滿足Fi∈rk(i)的樣本數(shù)，Nkj(i)為Nk(i)中屬于第j類的樣本數(shù)，則有

設(shè)Pk(i)為一個(gè)樣本滿足Fi∈rk(i)的概率，則有

其中：N0為總的樣本數(shù)，即。

這樣，定義特征參數(shù)Fi的熵值為

根據(jù)該函數(shù)的性質(zhì)，熵值H(Fi)越小，各類目標(biāo)在特征Fi上的類間分離性越大，則特性Fi對(duì)分類的貢獻(xiàn)越大，即在識(shí)別過程中的權(quán)重越大。如果Fi∈rk(i)所有的樣本都屬于同一類，則有H(Fi)= 0。在得到各特征參數(shù)的H(Fi)后，就可以定義相應(yīng)的歸一化權(quán)值。

3 目標(biāo)識(shí)別

信號(hào)分選能夠?yàn)樾吞?hào)識(shí)別提供的雷達(dá)信號(hào)特征描述參數(shù)主要有RF（射頻）、PRI（重頻）、PW（脈寬）三種，型號(hào)識(shí)別［3-4］使用上述三種參數(shù)與數(shù)據(jù)庫進(jìn)行比對(duì)后給出識(shí)別結(jié)果。

建立目標(biāo)識(shí)別庫，雷達(dá)信號(hào)的重要參數(shù)有頻率、頻率類型、脈寬、脈寬類型、重頻、重頻類型和雷達(dá)型號(hào)。算法處理過程：接收信號(hào)主處理發(fā)送的原始RDW 數(shù)據(jù)，將原始RDW 數(shù)據(jù)與建立的重點(diǎn)目標(biāo)識(shí)別庫中的參數(shù)進(jìn)行匹配；如果識(shí)別成功，將目標(biāo)庫中的雷達(dá)型號(hào)等信息寫入RDW結(jié)構(gòu)體中。

4 實(shí)驗(yàn)與結(jié)論

雷達(dá)仿真數(shù)據(jù)選取第一種頻率8150 MHz、脈寬2.9 us 和重復(fù)周期131 us，并且建立目標(biāo)識(shí)別庫，雷達(dá)型號(hào)為38-1；第二種頻率8150 MHz、脈寬1 us和重復(fù)周期173 us，不入庫。

雷達(dá)信號(hào)的脈寬分布如圖2 所示。圖2 中橫坐標(biāo)是脈沖的時(shí)間，縱坐標(biāo)是PW（脈寬）值。

圖2 脈寬分布

雷達(dá)信號(hào)的頻率分布如圖3所示，其中橫坐標(biāo)是脈沖的時(shí)間，縱坐標(biāo)是RF（射頻）值。

圖3 頻率分布

雷達(dá)RDW 綜合顯控顯示系統(tǒng)的處理結(jié)果如圖4所示，其中兩批信號(hào)是雷達(dá)信號(hào)分選處理后結(jié)果，再經(jīng)過雷達(dá)目標(biāo)庫匹配后識(shí)別出38-1 的雷達(dá)型號(hào)。

圖4 分選結(jié)果

5 結(jié)語

從仿真實(shí)驗(yàn)和實(shí)際數(shù)據(jù)的分選情況得出結(jié)論，選取時(shí)頻空聯(lián)合分選方法對(duì)信號(hào)進(jìn)行分析處理獲得雷達(dá)特征參數(shù)信息，利用載頻、脈沖寬度、重頻等特征參數(shù)，構(gòu)成復(fù)雜體制雷達(dá)目標(biāo)描述向量，作為輻射源識(shí)別的基礎(chǔ)，建立決策矩陣，通過比對(duì)己有目標(biāo)數(shù)據(jù)庫，采用最大隸屬度原則進(jìn)行行為判別，識(shí)別出雷達(dá)型號(hào)信息。