一種多傳感器雷達(dá)輻射源識別的組合方法

一種多傳感器雷達(dá)輻射源識別的組合方法

雷達(dá)輻射源的識別包括將檢測到的雷達(dá)信號參數(shù)與預(yù)測值的雷達(dá)信號參數(shù)進(jìn)行比較，并確定雷達(dá)的原始屬性?，F(xiàn)代作戰(zhàn)條件下,大量復(fù)雜體制雷達(dá)被應(yīng)用于戰(zhàn)爭,這就要求各種電子偵察設(shè)備能夠快速地對雷達(dá)的型號、類型和威脅等級進(jìn)行識別,而各傳感器提供的信息往往包含著大量的不確定性,給快速識別雷達(dá)信號帶來了很大困難。信息融合技術(shù)可以綜合多個傳感器的數(shù)據(jù)來確定雷達(dá)輻射源的特征參數(shù),但任何單一的數(shù)據(jù)融合方法均不能很好地解決干擾存在下的目標(biāo)分類識別問題1灰色理論和d-s證據(jù)理論1.1聚類對象白化權(quán)函數(shù)灰色關(guān)聯(lián)聚類是根據(jù)灰色關(guān)聯(lián)系數(shù)向量將一些觀測指標(biāo)或觀測對象劃分成若干個可定義類別的方法,一個聚類可以看作是屬于同一類對象的集合。設(shè)有n個觀測對象,每個對象有m個聚類指標(biāo),可劃分為s個不同灰類。每個指標(biāo)關(guān)于每一對象用指標(biāo)觀測值x根據(jù)聚類對象關(guān)于聚類指標(biāo)所表現(xiàn)出的性質(zhì),典型白化權(quán)函數(shù)為其它形式的白化權(quán)函數(shù)見文獻(xiàn)[2]。確定各聚類指標(biāo)在聚類過程中的權(quán)為η最后,根據(jù)決策規(guī)則1.2數(shù)據(jù)列關(guān)聯(lián)分析灰色關(guān)聯(lián)分析,是根據(jù)數(shù)據(jù)列因素之間發(fā)展態(tài)勢的相似或相異程度來衡量數(shù)據(jù)列接近的程度。進(jìn)行數(shù)據(jù)列關(guān)聯(lián)分析時(shí),首先確定參考數(shù)列,然后比較其它數(shù)列同參考數(shù)列的接近程度。設(shè)X按各指標(biāo)重要性大小賦予相應(yīng)的權(quán)值a(k),k=1,2,…,n;且1.3d-s證據(jù)理論的優(yōu)勢D-S證據(jù)理論的最大特點(diǎn)是在證據(jù)中引入了不確定性,同時(shí)又?jǐn)[脫了先驗(yàn)概率的限制,使得D-S證據(jù)理論在實(shí)際應(yīng)用中具有明顯的優(yōu)勢。這里僅給出改進(jìn)的證據(jù)合成公式設(shè)Awo交叉融合后的總體概率包括2多傳感器雷達(dá)輻射源檢測算法雷達(dá)輻射源的識別通過對被識別雷達(dá)各個特征參數(shù)的觀測,采用一定的算法和雷達(dá)輻射源知識數(shù)據(jù)庫中各已知的雷達(dá)特征參數(shù)進(jìn)行匹配,從而確定被識別雷達(dá)型號。首先利用灰色理論中的灰色定權(quán)聚類法對大量的傳感器數(shù)據(jù)進(jìn)行分類,剔出相容信息,求出大量數(shù)據(jù)中的核值,得出有用的決策信息。然后由灰關(guān)聯(lián)分析法計(jì)算出各個證據(jù)的基本概率賦值函數(shù),當(dāng)存在證據(jù)沖突時(shí),根據(jù)改進(jìn)的D-S證據(jù)合成規(guī)則計(jì)算所有證據(jù)組合后的基本概率賦值,最后根據(jù)一定的判決規(guī)則選擇支持度最大的假設(shè),作為最終的雷達(dá)輻射源識別結(jié)果。算法的具體步驟如下。步驟一,運(yùn)用灰色定權(quán)聚類方法對各組特征信息進(jìn)行融合。根據(jù)多傳感器得到的數(shù)據(jù)構(gòu)造樣本矩陣,依據(jù)情報(bào)任務(wù)要求確定白化權(quán)函數(shù)f步驟二,確定同一時(shí)刻多個傳感器所探測樣本數(shù)據(jù)對目標(biāo)的識別結(jié)果。根據(jù)雷達(dá)信號的特點(diǎn),選取射頻RF、重頻PRI、脈寬PW作為特征參數(shù)。選取傳感器的觀測數(shù)據(jù),即待識別的雷達(dá)信號作為比較數(shù)列,雷達(dá)識別知識數(shù)據(jù)庫中的型號數(shù)據(jù)作為參考數(shù)列。首先計(jì)算雷達(dá)信號觀測樣本中各個參數(shù)的灰關(guān)聯(lián)系數(shù),然后通過設(shè)定各個參數(shù)的權(quán)值,可得觀測樣本與已知雷達(dá)模板庫中樣本的灰關(guān)聯(lián)度。對于單個傳感器,定義基本概率賦值為式中,m(U)表示未知的基本概率賦值。對于每一傳感器觀測樣本的灰關(guān)聯(lián)度集合給出一個信任測度,即獲得一條證據(jù)。運(yùn)用D-S證據(jù)理論組合規(guī)則對多個觀測樣本的信任度進(jìn)行合成,得出同一時(shí)刻多個傳感器所探測樣本數(shù)據(jù)對目標(biāo)識別的結(jié)果。步驟三,通過多時(shí)刻對目標(biāo)進(jìn)行識別,確定對目標(biāo)的準(zhǔn)確識別結(jié)果?？紤]到信號在時(shí)間上的積累,得到多個傳感器在不同時(shí)刻的觀測樣本。觀測樣本涉及到?jīng)_突性和不沖突性證據(jù)的合成要求,沖突性證據(jù)按加權(quán)平均合成,不沖突性證據(jù)按與運(yùn)算合成。利用改進(jìn)的D-S融合規(guī)則計(jì)算出融合處理后的結(jié)果作為信號識別的依據(jù),能夠很好地反映證據(jù)間的交叉融合程度。3目標(biāo)數(shù)據(jù)的仿真下面通過軟件Matlab7.0進(jìn)行仿真實(shí)驗(yàn)來說明這種方法的有效性,結(jié)構(gòu)框圖如圖1所示。部分提取雷達(dá)輻射源特征庫中樣本作為判決的框架,將其中某一類型的雷達(dá)信號加上符合正態(tài)分布的噪聲作為不同時(shí)刻偵察到的樣本,運(yùn)用步驟一、二、三進(jìn)行雷達(dá)輻射源識別。假設(shè)雷達(dá)信號特征矢量由射頻RF(MHz)、重頻PRI(Hz)、脈寬PW(μs)三個參數(shù)構(gòu)成。從目標(biāo)數(shù)據(jù)庫中提取3個相近的目標(biāo)數(shù)據(jù)作為識別框架,即(U通過步驟一可得到如表2所示的3組分類。由此確定傳感器R根據(jù)D-S融合規(guī)則,將M利用取相似度最大值的判決規(guī)則,可知此時(shí)刻3傳感器對目標(biāo)的識別結(jié)果為U以上僅是多傳感器在一個時(shí)刻對目標(biāo)的識別結(jié)果,具有一定的不確定性。這主要是由噪聲的隨機(jī)性造成的,需要通過多個時(shí)刻對目標(biāo)進(jìn)行識別,以提高目標(biāo)的準(zhǔn)確識別率。選取證據(jù)數(shù)為5,為了仿真沖突證據(jù)的情況,在來自類型1的證據(jù)序列中,以概率P=0.2混入來自類型2的證據(jù),并對某一目標(biāo)信號各參數(shù)疊加隨機(jī)噪聲得到觀測樣本;σ代表已知樣本庫的標(biāo)準(zhǔn)偏差(含各參數(shù)的標(biāo)準(zhǔn)偏差),誤差范圍分別控制在0.5、1.0、1.5倍標(biāo)準(zhǔn)偏差內(nèi);t代表多次觀測數(shù)據(jù)的融合次數(shù)也即觀測樣本的積累次數(shù)。通過步驟三,利用改進(jìn)的D-S融合規(guī)則計(jì)算出融合處理后的結(jié)果,用MATLAB軟件統(tǒng)計(jì)出信號識別的正確識別率如表5所示,圖2給出的是兩種融合方法的平均正確識別率的相應(yīng)曲線。4實(shí)驗(yàn)結(jié)果分析1)將灰色理論中的灰色定權(quán)聚類法應(yīng)用于數(shù)據(jù)融合,可以很好地解決D-S證據(jù)理論隨著量測維數(shù)的增大和遞推步數(shù)的增加而以指數(shù)形式遞增的組合爆炸問題。該算法對數(shù)據(jù)量繁多的情況尤為適用。當(dāng)數(shù)據(jù)量較小時(shí),定義灰度的個數(shù)等于傳感器個數(shù),即無需提取傳感器的特征組合。2)噪聲對目標(biāo)識別的結(jié)果影響很大,如果各特征參數(shù)的噪聲增大,在存在證據(jù)沖突的情況下,采用傳統(tǒng)的D-S融合方法識別輻射源時(shí),正確識別率下降較快,而應(yīng)用修正的D-S融合方法識別輻射源時(shí),仍然能夠獲得較高的正確識別率。實(shí)驗(yàn)結(jié)果說明,在噪聲環(huán)境下,基于修正D-S融