基于區(qū)間改進(jìn)灰關(guān)聯(lián)的輻射源識(shí)別方法*

劉傳波

(武漢藏龍北路1號(hào)　武漢　430205)

LIU Chuanbo

(No.1 Canglong North Road, Wuhan　430205)

?

基于區(qū)間改進(jìn)灰關(guān)聯(lián)的輻射源識(shí)別方法*

劉傳波

(武漢藏龍北路1號(hào)武漢430205)

針對(duì)輻射源特征參數(shù)的不確定性帶來的區(qū)間型特征參數(shù)的輻射源識(shí)別問題，提出了一種新的基于區(qū)間改進(jìn)灰關(guān)聯(lián)的輻射源識(shí)別算法。該算法首先利用區(qū)間的偏離度構(gòu)建灰關(guān)聯(lián)權(quán)系數(shù)矩陣，其次通過熵權(quán)法計(jì)算屬性權(quán)重向量，克服了屬性權(quán)重的主觀性，最后運(yùn)用最大決策規(guī)則進(jìn)行決策來實(shí)現(xiàn)輻射源識(shí)別。仿真實(shí)例驗(yàn)證了該算法的有效性和實(shí)用性。

區(qū)間偏差； 改進(jìn)灰關(guān)聯(lián)； 輻射源識(shí)別； 屬性權(quán)重

LIU Chuanbo

(No.1 Canglong North Road, Wuhan430205)

Class NumberTN95

1　引言

雷達(dá)輻射源型號(hào)和工作模式識(shí)別是電子偵察情報(bào)系統(tǒng)(ELINT)的重要內(nèi)容[1～2]，它可以通過對(duì)所測出的敵方雷達(dá)工作參數(shù)和特征參數(shù)進(jìn)行分析，獲取敵方雷達(dá)的體制、用途和型號(hào)等信息，掌握其相關(guān)武器系統(tǒng)及其工作狀態(tài)、制導(dǎo)方式，了解其戰(zhàn)術(shù)運(yùn)用特點(diǎn)、活動(dòng)規(guī)律和作戰(zhàn)能力，也是高層次上的態(tài)勢評(píng)估和威脅估計(jì)的主要依據(jù)。在現(xiàn)代戰(zhàn)爭中，各種復(fù)雜體制雷達(dá)層出不窮，這就要求電子偵查設(shè)備能夠快速地對(duì)雷達(dá)型號(hào)、雷達(dá)工作模式進(jìn)行識(shí)別，進(jìn)而判斷出雷達(dá)的威脅等級(jí)。

現(xiàn)有的輻射源識(shí)別方法包括特征參數(shù)匹配法[3]、模糊理論[4～5]、人工智能分析法[6～7]、脈內(nèi)特征分析法[8]等在雷達(dá)輻射源識(shí)別中都有比較成功的應(yīng)用，但這些方法一般都針對(duì)標(biāo)量形式的參數(shù)測量值進(jìn)行處理，在一定程度上解決了由于參數(shù)測量誤差所引起的輻射源識(shí)別問題，而對(duì)于誤差的另一種情形，即測量參數(shù)為區(qū)間類型模糊值的情況卻是無能為力的。本文針對(duì)區(qū)間型的特征參數(shù)的輻射源識(shí)別，提出了一種基于區(qū)間改進(jìn)灰關(guān)聯(lián)的輻射源識(shí)別算法。

2　基于區(qū)間灰關(guān)聯(lián)的輻射源識(shí)別方法

2.1識(shí)別模型描述

(1)

常見的屬性類型有效益型和成本型，設(shè)I1、I2分別表示效益型和成本型的下標(biāo)集。為了消除不同量綱對(duì)決策結(jié)果的影響，可采用文獻(xiàn)[9]中的規(guī)范方法，即

(2)

(3)

2.2區(qū)間偏差度

傳統(tǒng)的灰關(guān)聯(lián)算法是用絕對(duì)差的大小來反映待識(shí)別參數(shù)與模板參數(shù)的偏差程度，但對(duì)于區(qū)間型的特征參數(shù)無法計(jì)算其絕對(duì)差，因此計(jì)算兩個(gè)區(qū)間之間的偏差度，從而代替絕對(duì)差來反映兩個(gè)區(qū)間的相似程度。

(4)

2.3灰關(guān)聯(lián)系數(shù)計(jì)算

由上述算法可以獲取待識(shí)別輻射源與輻射源庫中的各輻射源的偏差度矩陣為

(5)

待識(shí)別輻射源信息si與特征庫中輻射源U關(guān)于屬性pj的區(qū)間灰關(guān)聯(lián)系數(shù)為

(6)

其中i=1,2,…,M,j=1,2,…,N，ρ∈[0,1]為分辨系數(shù)，一般取0.5。

因此未知輻射源與輻射特征數(shù)據(jù)庫U的區(qū)間灰關(guān)聯(lián)系數(shù)矩陣為

(7)

2.4特征參數(shù)權(quán)值確定

根據(jù)上述參數(shù)的灰關(guān)聯(lián)系數(shù)計(jì)算其熵值，即：

Sij=-ξijln(ξij)

(8)

式中，Sij為待識(shí)別傳感器第j個(gè)特征參數(shù)相對(duì)于輻射特征數(shù)據(jù)庫第i個(gè)輻射源的第j個(gè)特征參數(shù)的灰關(guān)聯(lián)系數(shù)的熵。則權(quán)值可以確定為

(9)

將權(quán)值帶入

(10)

得到總的特征參數(shù)矩陣ω=[ω1,ω2，…，ωN]T。

2.5灰關(guān)聯(lián)度計(jì)算

由上述得到的灰關(guān)聯(lián)系數(shù)和其對(duì)應(yīng)的權(quán)值可以求出待識(shí)別輻射源與模板輻射源庫中第i個(gè)傳感器的關(guān)聯(lián)度為

(11)

則總的關(guān)聯(lián)度矩陣為

G=[g1g2…gM]

(12)

2.6決策規(guī)則

根據(jù)求得的灰關(guān)聯(lián)度矩陣，采用以下決策規(guī)則進(jìn)行判決：

設(shè)??g1g2?G，滿足：

g1=max{gi,gi?G}

g2=max{gi,gi?G且gi≠g1}

(13)

若有：

g1>ε1

g1-g2>ε2

(14)

則g1為判決結(jié)果，ε1ε2為判決門限。

3　識(shí)別算法步驟

本文提出的基于區(qū)間改進(jìn)灰關(guān)聯(lián)的識(shí)別算法的具體步驟如下，識(shí)別算法具體流程如圖1所示。

圖1　識(shí)別算法具體流程圖

3)根據(jù)式(4)計(jì)算待識(shí)別輻射特征參數(shù)置信區(qū)間與輻射特征庫中特征參數(shù)的置信區(qū)間的偏差值，得到偏差度矩陣D；

4)根據(jù)式(6)計(jì)算區(qū)間灰關(guān)聯(lián)系數(shù)，得到灰關(guān)聯(lián)系數(shù)矩陣ξ；

5)根據(jù)式(10)得到待識(shí)別輻射特征與輻射特征數(shù)據(jù)庫中輻射特征之間關(guān)聯(lián)度，構(gòu)造關(guān)聯(lián)度矩陣G；

6)根據(jù)式(12)、(13)判決規(guī)則做出判斷。

4　仿真實(shí)例

為了驗(yàn)證本文算法的性能，對(duì)輻射源識(shí)別進(jìn)行了仿真。設(shè)模板雷達(dá)庫中有三個(gè)輻射源，采用載頻(RF)、重復(fù)頻率(PRI)、脈寬(PW)作為傳感器識(shí)別的特征參數(shù)，其特征參數(shù)如表1所示，輻射源R1的一組探測特征參數(shù)數(shù)據(jù)如表2所示。

表1　數(shù)據(jù)庫中輻射特征信息

表2 傳感器探測未知目標(biāo)特征值

本文為成本型的屬性類型，根據(jù)表1、2，得到增廣特征指標(biāo)矩陣：

根據(jù)式(2)、式(3)得到規(guī)范化的增廣特征指標(biāo)矩陣為

由式(4)、(5)計(jì)算的偏差度矩陣為

由式(6)、(7)可得待識(shí)別輻射源與輻射特征數(shù)據(jù)庫中輻射源的區(qū)間灰關(guān)聯(lián)系數(shù)矩陣為

由式(8)～式(10)計(jì)算總的特征參數(shù)矩陣為

由式(11)、式(12)計(jì)算總的關(guān)聯(lián)度矩陣為

G=[0.9390,0.7113,0.5732]

在此，判決門限ε1=0.7,ε2=0.1。由式(13)、式(14)判別該未知輻射源為輻射源R1，識(shí)別結(jié)果正確。

仿真過程中對(duì)模板庫中的10部雷達(dá)進(jìn)行仿真，生成100個(gè)待識(shí)別輻射源樣本數(shù)據(jù)，每部雷達(dá)對(duì)應(yīng)10個(gè)樣本。待識(shí)別輻射源樣本屬性值構(gòu)造通過隨機(jī)取一個(gè)模板雷達(dá)已知特征參數(shù)并加上測量誤差(誤差標(biāo)準(zhǔn)差為相應(yīng)已知特征參數(shù)的3%)組成。將本文的區(qū)間灰關(guān)聯(lián)算法與模糊模式識(shí)別方法進(jìn)行了比較，識(shí)別正確率如圖2所示。

從圖2可以看出，本文方法識(shí)別正確率在100次實(shí)驗(yàn)中幾乎都大于模糊模式識(shí)別方法。

為了進(jìn)一步驗(yàn)證本文方法的可信度，在上述條件下進(jìn)行100次Monte Carlo實(shí)驗(yàn)，得到的識(shí)別結(jié)果如表3所示。從表3可知，基于區(qū)間灰關(guān)聯(lián)的輻射源識(shí)別方法正確率為91.67%，優(yōu)于模糊模式識(shí)別方法。

表3　輻射源識(shí)別正確率對(duì)比(%)

5　結(jié)語

本文針對(duì)當(dāng)前輻射源識(shí)別中由特征參數(shù)測量的不確定性和輻射源識(shí)別庫中輻射源特征參數(shù)據(jù)的不確定性所帶來的區(qū)間型參數(shù)識(shí)別問題，提出了一種基于區(qū)間模型改進(jìn)灰關(guān)聯(lián)算法的輻射源識(shí)別算法，該算法利用區(qū)間數(shù)的偏離度構(gòu)造灰關(guān)聯(lián)權(quán)系數(shù)矩陣，然后用熵權(quán)法計(jì)算屬性權(quán)重向量，最后用最大決策規(guī)則進(jìn)行決策。通過仿真實(shí)驗(yàn)，將本文方法與模糊模式識(shí)別進(jìn)行比較，驗(yàn)證了該識(shí)別方法是有效可行的，為解決特征參數(shù)是區(qū)間值的輻射源識(shí)別提供了一種新的方法。

[1] 張國柱.雷達(dá)輻射源識(shí)別技術(shù)研究[D].長沙：國防科學(xué)技術(shù)大學(xué)，2005:20-22.

[2] 何友，王國宏，彭應(yīng)寧.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社,2000:35-39.

[3] 張多林，潘泉，張洪才.基于理想點(diǎn)貼近度的輻射源威脅綜合評(píng)價(jià)建模與仿真驗(yàn)證[J].系統(tǒng)仿真學(xué)報(bào),2008,20(14):3896-3898.

[4] Glossas N I, A spragathos N A. Fuzzy logic grasp control using tactile sensors[J].Mechatronics (S0957-4158),2001,11(7):899-820.

[5] 劉建書,李人厚,劉云龍等.基于相關(guān)性函數(shù)和模糊綜合函數(shù)的多傳感器數(shù)據(jù)融合[J].系統(tǒng)工程與電子技術(shù),2006,28(70):1006-1009.

[6] 孟曉琳,刁鳴,茅玉龍等.基于模糊理論的雷達(dá)信號(hào)類型識(shí)別方法[J].電子信息對(duì)抗技術(shù),2006,21(5):19-21.

[7] 寇華,王寶樹.基于遺傳算法的RBF-PLS方法在輻射源識(shí)別中的應(yīng)用[J].電子信息學(xué)報(bào),2007,25(9):1031-1034.

[8] 劉慶云,王根弟,朱偉強(qiáng).雷達(dá)輻射源信號(hào)特征參量分析[J].航天電子對(duì)抗,2008,24(4):21-24.

[9] 徐澤水，達(dá)慶利.區(qū)間型多屬性決策的一種新方法[J].東南大學(xué)學(xué)報(bào),2003,339(4):498-501.

[10] Ren M，Duan J，Yang S. Decision Models Evaluation Using Fuzzy Pattern Recognition[C]//Proceedings IEEE International Conference on Grey Systems and Intelligent Services(GSIS 2007), Nanjing, China,2007.

[11] 劉海軍,柳征,姜文利,等.一種基于云模型的輻射源識(shí)別方法[J].電子與信息學(xué)報(bào),2009,31(9)：2079-2083.

[12] 劉凱,王杰貴,李俊武.基于區(qū)間灰關(guān)聯(lián)的雷達(dá)輻射源識(shí)別新方法[J].火力與指揮控制,2013,38(7):20-23.

Emitter Recognition Based on Interval Improved Grey Relation*

Aiming at the interval type characteristic parameters radiating source recognition problem brought about by the uncertainty of the radiation source characteristic parameters，an improved grey relational algorithm based on interval model is proposed.Firstly, this method uses the degree of the interval deviation to build gray relation coefficient matrix. Then, the weight vector of the attributes is obtained by entropy weight, avoiding the subjectivity of selecting attribute weight. Lastly, the algorithm of emitter recognition is determined by the maximum rules. The simulated example improves that the method is both effective and practicable.

interval deviation, improved grey relational algorithm, radiating source recognition, attribute weight

2016年2月10日,

2016年3月26日

劉傳波，男，博士，工程師，研究方向：復(fù)雜系統(tǒng)分析建模與仿真。

TN95

10.3969/j.issn.1672-9730.2016.08.015