分布式協(xié)同偵察及融合關鍵技術研究技術協(xié)議【2014-5-15】

1、內(nèi)部分布式協(xié)同偵察及融合關鍵技術研究技術協(xié)議二零一四年五月十五日一、研究目標利用分布式協(xié)同傳感器資源獲取雷達及通信威脅節(jié)點的全脈沖數(shù)據(jù)，其中雷達輻射源的全脈沖數(shù)據(jù)包括：脈寬、脈沖重復周期、載頻、信號到達時間、信號到達角度、幅度、脈內(nèi)調(diào)制信息等，通信輻射源的全脈沖數(shù)據(jù)包括：載頻、帶寬、碼速率、調(diào)制方式、到達時間、持續(xù)時間等，根據(jù)多節(jié)點獲得的全脈沖數(shù)據(jù)，研究復雜信號環(huán)境下快速高效的偵察信息融合處理算法，完成非威脅目標信息的剔除、威脅輻射源信息的關聯(lián)聚類、威脅輻射源參數(shù)測量精度提升、高精度的威脅輻射源信號到達時差提取、威脅輻射源頻率等關鍵參數(shù)的統(tǒng)計等功能，實現(xiàn)對戰(zhàn)場威脅環(huán)境的快速準確感知，以支撐對戰(zhàn)

2、場態(tài)勢的感知、監(jiān)控和對威脅的快速反應。二、研究內(nèi)容本課題針對復雜信號環(huán)境下雷達和通信偵察信息的分選、參數(shù)估計、識別等關鍵技術開展研究，主要研究內(nèi)容包括：1典型雷達及通信輻射源信號特征分析對一些典型雷達及通信輻射源信號特征進行分析，比較其信號特點，以支撐對雷達及通信輻射源偵察信息融合算法研究。課題選擇的典型雷達輻射源包括：a. 地面防空預警有源相控陣雷達（如117系列、Master系列等）；b. 臺軍防空系統(tǒng)預警雷達網(wǎng)（如HR-3000、GE-592、FPS-117雷達等）。典型的通信輻射源包括：a. Link-11數(shù)據(jù)鏈；b. Link-16數(shù)據(jù)鏈。2雷達偵察信號處理在典型雷達通信輻射源特征分

3、析的基礎上，重點研究雷達信號的信號分選、關聯(lián)聚類、參數(shù)估計等關鍵算法。雷達偵察系統(tǒng)的作用是對雷達輻射源信號的環(huán)境進行檢測和識別，對空間中的雷達信號及其工作參數(shù)進行測量與分析，并從測量結(jié)果中得到有用的信息。典型雷達偵察設備的基本組成如圖2-1所示圖2-1典型雷達偵察設備的基本組成雷達偵察系統(tǒng)中的信號處理過程實際上就是對接收機截獲的實時脈沖流進行信號分選與識別的過程，其信號分選處理的順序是，先進行信號的預分選處理，再進行信號的主分選處理。有了信號的分選之后，才可以進行信號的參數(shù)分析，最后再進行判斷與識別。雷達信號分選就是從截獲到的密集雷達脈沖流中分揀出屬于不同雷達輻射源的脈沖,它是雷達信號偵察處理

4、中的核心組成部分之一,只有從隨機交迭的信號流中分選出各個雷達脈沖序列之后才能進行信號參數(shù)的測量、分析、識別以及對雷達威脅輻射源施加壓制式干擾或構(gòu)造虛假目標回波信號進行各種欺騙式干擾。圖2-2雷達信號分選總體工作流程雷達信號分選的基本原理就是分析截獲信號的各種參數(shù),主要有脈沖到達方向DOA、載頻RF、脈寬PW、脈幅PA及到達時間TOA等,對隨機交迭的脈沖信號流自動分離成各部雷達的單獨脈沖序列,精確測量和詳細分析各種雷達的特征參數(shù),以及各雷達輻射源的地理分布,從中判斷這些雷達的用途、平臺類型、配置的武器系統(tǒng)以及威脅等級,為戰(zhàn)略情報分析提供依據(jù)或為警戒干擾系統(tǒng)提供識別高威脅信號的特征參數(shù)。（1）雷達

5、信號預分選雷達信號分選預處理階段主要利用DOA、RF、PW等信息對信號進行分選稀釋。雷達信號預處理的主要任務是根據(jù)已知雷達輻射源的主要特征和未知雷達輻射源的先驗知識，對實時輸入的脈沖流進行預分選。首先把m個已知的雷達脈沖信號特征與實時輸入的N個作快速匹配，從脈沖信號流中分離出滿足特征的已知雷達脈沖信號子流，將這些已知雷達信號子流分別存放在m個已知雷達數(shù)據(jù)庫的緩存區(qū)，交給主處理單元作下一步的分選處理。然后根據(jù)未知雷達信號的處理方法，對剩余的雷達脈沖信號流作預分選，得到n個未知雷達脈沖信號的子流，將這些未知雷達信號子流存放在n個未知雷達數(shù)據(jù)庫的緩存區(qū)，交給主處理單元作下一步的分選處理?，F(xiàn)在常用的信

6、號分選方法是對雷達脈沖參數(shù)逐個進行統(tǒng)計直方圖的分析，這種方法只能適應于參數(shù)在短時間內(nèi)基本不變或者具有重復性變化規(guī)律的情況。而現(xiàn)代雷達其脈沖參數(shù)是隨機可變的，并且其脈沖參數(shù)不具有重復性的變化規(guī)律。如果在同一方向，同一頻段內(nèi)有多部雷達，它們的參數(shù)變化范圍有部分交疊，偵察設備的靈敏度能夠收到雷達的副瓣信號，從而形成多部雷達信號互相交錯的脈沖列。在這種情況下，采用上述分選方法是不可能完整地分選出屬于同一部雷達的脈沖序列。因此有必要探討新的信號分選方法，人們開始嘗試將聚類理論應用于雷達信號預分選中，其中K-Means聚類算法使用的最為廣泛，并且取得了一定的成果。K-Means聚類算法目前在雷達信號預分選

7、中也已經(jīng)得到廣泛的應用。K-Means算法最大的缺陷是該算法要事先給出將要生成的聚類數(shù)目以及初始化聚類中心，并且初始的聚類個數(shù)和聚類中心對聚類結(jié)果影響很大，而在實際應用中聚類數(shù)目我們通常是不得而知的，這就很大程度上限制了該算法的應用。K-Means算法還存在一個問題就是當把一個異常數(shù)據(jù)勉強歸入某個類之后，就可能導致這個類的聚類中心發(fā)生很大的變化，使聚類變的不穩(wěn)定，從而影響最終的聚類效果。針對K-Means算法的缺陷，重點進行兩方面的改進。第一是在聚類算法之前對原始數(shù)據(jù)進行孤立點的去除；第二是直接用樣本點進行初始聚類，不用設定聚類的類別數(shù)，用樣本點到聚類中心的歐式距離是否在誤差范圍內(nèi)作為判斷標準

8、進行聚類，不用計算樣本點到每個聚類中心的距離。（2）雷達信號主分選雷達信號主分選是指，從預處理輸出的已知雷達脈沖信號流和未知雷達脈沖信號流中，分選出各部雷達的PDW序列。已知雷達預處理的輸出對應著已知雷達主處理的輸入，在信號子流中，利用已知雷達脈沖信號的重復周期PRI，檢測和分選出j雷達的脈沖子流，并且檢驗判斷j雷達是否存在。經(jīng)過預處理階段，把具有相近DOA、RF、PW等參數(shù)的雷達脈沖劃分在同一個子空間內(nèi)，假如這個子空間內(nèi)的脈沖是由幾部參數(shù)相近的雷達產(chǎn)生，那么這些脈沖就組成了相互交錯的脈沖子流，未知雷達信號的主分選就是把這些相互交錯的脈沖流區(qū)分成為各部雷達的脈沖。即便是PRI相等的兩列互相交錯

9、的脈沖序列，去交錯都可以區(qū)別開來，所以當未知雷達信號不能用預分選完全分開時，就要考慮用脈沖的到達時間作進一步的脈沖分選，即主分選或稱重頻PRI分選。常用的信號PRI分選方法是首先估計出雷達信號的PRI值，然后根據(jù)這個估計值分選出每一部雷達輻射源的脈沖序列，從而得到各個雷達輻射源的參數(shù)集。因此PRI分選可以分為兩個部分，PRI的確定以及PRI確定后的序列檢索。表2-1給出的是一些經(jīng)典的PRI分選算法和它們各自的優(yōu)缺點。表2-1典型PRI分選的優(yōu)缺點在現(xiàn)代復雜的戰(zhàn)場情形下，電子偵察設備所獲取的雷達信號的脈沖密度大，信號的體制復雜，信號微弱，遺漏的脈沖數(shù)較高等特點。沒有哪一種PRI分選方法可以適應所

10、有的信號環(huán)境，因此需要結(jié)合多種信號的PRI分選方法，充分利用每種方法的優(yōu)勢。針對本課題復雜信號環(huán)境和快遞高效處理的要求，這里重點研究SDIF方法。SDIF算法是對CDIF算法進行了改進，SDIF算法不同于CDIF算法從一級差值進行累積統(tǒng)計。SDIF算法確定可能的PRI值是通過某一級差值的統(tǒng)計。SDIF算法不作門限和兩倍脈沖間隔直方圖的比較，可以節(jié)省大約一半的時間。實際上SDIF算法之所以能只靠某一階的差值就可以判別可能的PRI，其原因在于最佳判決門限上，如果設定一個較好的門限，就可以排除不屬于這一序列的差值間隔。SDIF算法和CDIF算法都是以接收脈沖的自相關函數(shù)的計算作為基礎，由于周期信號的

11、相關函數(shù)仍然具有周期性，所以很有可能脈沖間隔及其倍數(shù)值(子諧波)會同時存在，這樣對后續(xù)的分選處理帶來不利影響。而且SDIF算法和CDIF算法的門限公式的參數(shù)設定都是經(jīng)驗值，參數(shù)的具體確定難度很大，需要進行大量的試驗分析，電磁環(huán)境對參數(shù)的確定影響很大，在不同的電磁環(huán)境下參數(shù)是不同的，為了能夠抑制子諧波，可以采用復值自相關積分算法，利用該算法可以把脈沖信號的TOA差值變到一個譜上，從譜峰位置就可以估計出可能的PRI值，可以有效的對子諧波進行抑制。3通信偵察信息處理隨著通信技術的不斷發(fā)展，日益密集的通信環(huán)境使得寬帶通信偵察接收機捕獲的寬頻帶數(shù)據(jù)中可能包含著許多具有不同特點的信號，如固定載頻的常規(guī)通信

12、信號、跳頻信號、猝發(fā)信號、掃頻信號、擴頻信號、各種各樣的人為和非人為的干擾信號等。如此多的信號交織在一起，使得感興趣通信信號的監(jiān)測難度越來越大，因此，研究如何對復雜通信環(huán)境中的各種通信信號進行分選，剔除干擾和噪聲影響，發(fā)現(xiàn)感興趣通信信號，并估計相應的特征參數(shù)，減輕通信偵察系統(tǒng)后續(xù)處理的負擔，不但是一項很富有挑戰(zhàn)性的課題，也已成為當前通信偵察領域緊迫而艱巨的任務之一。本課題主要圍繞載波頻率固定的常規(guī)通信信號和跳頻通信信號的分選問題進行研究。（1）常規(guī)通信信號(直擴通信信號)偵察這里所指的常規(guī)通信信號主要是指信號帶寬相對于載頻比值很小的窄帶信號（也稱固定載頻通信信號），其中典型信號為直接序列擴頻信

13、號（簡稱直擴信號），這一類通信信號的分選問題主要包括窄帶信號檢測、特征參數(shù)估計和窄帶信號跟蹤三個部分。窄帶信號檢測的任務是如何從信道化輸出數(shù)據(jù)中粗略的估計出窄帶信號的個數(shù)，并標識各窄帶信號所在位置。而特征參數(shù)估計部分主要是根據(jù)各窄帶信號所在位置及幅度值，估計中心頻率、帶寬、平均功率和入射方向等參數(shù)，構(gòu)造各窄帶信號的特征參數(shù)集。最后，按照一定規(guī)則，利用特征參數(shù)集對窄帶信號進行跟蹤，獲得感興趣的常規(guī)通信信號。圖2-3常規(guī)通信信號的分選流程1. 窄帶信號的檢測窄帶信號檢測的任務就是以信號的頻率連續(xù)性作為依據(jù)，從信道化輸出數(shù)據(jù)中粗略的估計出窄帶信號的個數(shù)，并標識各窄帶信號所在位置。在規(guī)定時間內(nèi)統(tǒng)計各瞬

14、時頻率出現(xiàn)的次數(shù)，結(jié)果用直方圖描述，用于網(wǎng)臺分選，因為對同一個跳頻網(wǎng)而言，在一定的時間內(nèi)，頻率集內(nèi)的各個瞬時頻率出現(xiàn)的次數(shù)是基本相同的。這種方法用于分選跳頻電臺與定頻電臺更為有效，因為定頻電臺的出現(xiàn)次數(shù)一般遠大于跳頻電臺在每一個瞬時頻率上出現(xiàn)的次數(shù)。傳統(tǒng)基于單門限的窄帶信號檢測方法是將門限檢測與聚類處理相結(jié)合，首先使用一個相對比較低的門限進行檢測，然后通過聚類處理刪除虛警引起的虛假信號，識別正確信號。這類方法通過聚類處理提高了窄帶信號的檢測能力，但是聚類處理的能力畢竟是有限的，它對門限設置有很高的要求。門限過低，由虛警引起的虛假信號增加，聚類處理不足以刪除所有的虛假信號。門限過高，將導致正確信

15、號被分割為兩個甚至更多個信號，聚類處理不足以識別正確信號。為緩解單門限檢測中存在的問題，出現(xiàn)了一類雙門限窄帶信號檢測(LAD)算法。其基本思想是首先用下門限對功率譜估計進行檢測，將檢測到的相鄰樣本歸為一類，然后計算每一類中的最大值，并與上門限比較，若超過上門限，則判定該類屬于信號類，否則屬于由虛警引起的噪聲類。2.特征參數(shù)估計在對窄帶信號進行特征參數(shù)(方位角、帶寬、載波頻率等)估計之前,首先將占有相同頻段，且方位角非常接近的兩類合并為一類。經(jīng)過上述處理后，可靠類集中的類別個數(shù)即為接收信號的個數(shù)。為估計第q個信號的方位角、載波頻率和帶寬，下面首先對第q類中的頻率集進行如下處理：步驟1：計算頻率集

16、中離散頻率的均值和標準差，并從中選出一個子頻率集，它滿足如下公式 （2-1）步驟2：令表示的容量，則若，轉(zhuǎn)至步驟1。否則，并尋找對應的方位角集。步驟3：以中所有離散頻率的均值作為載波頻率的估計，以中所有離散頻率的大值與小值之差作為帶寬估計。以所對應的測量矢量集的均值作為入射方向的估計。步驟1和2的目的是根據(jù)信號的頻率連續(xù)性，剔除頻率集中的例外頻率值。由此提高入射方向，載波頻率和帶寬的估計精度。3. 窄帶信號跟蹤窄帶信號的跟蹤包括兩個方面：窄帶信號的判決和窄帶信號的刷新。下面將分別討論。（1）窄帶信號判決根據(jù)常規(guī)通信信號的載波頻率和帶寬固定，方位角不會隨時間快速變化的特點，窄帶信號判決主要采用載

17、波頻率、帶寬和方位角作為特征參數(shù)。設信號庫中已存儲了Q個窄帶信號的特征參數(shù)集 其中分別是第k個窄帶信號的次參數(shù)估計得到的載波頻率、帶寬和方位角。新截獲窄帶信號的特征參數(shù)集為。目標是判斷新截獲窄帶信號是否包含在已存儲的Q個窄帶信號中。步驟1：計算新截獲窄帶信號的方位角與Q個已存儲的輻射源的方位角參數(shù)的相似性，即 （2-2）步驟2：設方位角的分辨門限為，尋找中窄帶信號集合。若集合為空，則新截獲窄帶信號以前未被截獲，將其作為新信號進行存儲。步驟3：否則，從集合中找出頻率范圍內(nèi)包含新截獲信號載波頻率的所有信號，如果不存在這樣的信號，則新截獲信號以前未被截獲，將其作為新信號進行存儲。否則，新截獲的信號已

18、經(jīng)存在信號庫中，從找到的信號中選擇帶寬接近的信號(相應的特征參數(shù)集為),并根據(jù)新信號的特征參數(shù)集更新參數(shù)集，得更新后參數(shù)集，即 （2-3） （2-4） （2-5）（2）窄帶信號庫的刷新窄帶信號庫刷新的目的就是剔除持續(xù)時間較短的干擾信號，保留常規(guī)通信信號。在信號庫中，每個信號都具有兩種不同的狀態(tài)：“活躍(active)”和“不活躍(inactive)”，用于表示信號是否包含在本次(當前)截獲的所有信號中。當信號在一定時間內(nèi)處于“不活躍”狀態(tài)時，該信號將被當作干擾剔除。信號庫中各信號的狀態(tài)轉(zhuǎn)移流程如下：步驟1：初始化。將第一次截獲各個窄帶信號，添加到信號庫中，狀態(tài)設為“活躍”，持續(xù)時間的初值設為零

19、。步驟2：對于第次截獲的各個窄帶信號，執(zhí)行如下處理：若被判定為已存在的信號，則該信號處于“活躍”狀態(tài)，更新持續(xù)時間。若被判為新信號，則在信號庫中添加這一信號，更新持續(xù)時間，該信號處于“活躍”狀態(tài)。各個截獲到的信號都處理完成以后，未處理信號作如下判決：若信號狀態(tài)為“活躍”，則改為“不活躍”。步驟3：判斷信號庫中處于“不活躍”狀態(tài)的信號是否大于延遲時間，將滿足條件的信號從信號庫中刪除。轉(zhuǎn)至步驟2。注意，步驟3是為了刪除在延遲時間內(nèi)不再出現(xiàn)的窄帶信號，即剔除短持續(xù)時間干擾。對于每一組頻域數(shù)據(jù)，所占用的時間為，其中，為信道化接收機的輸入采樣率，L為積累次數(shù)，D為信道化接收機中的抽取倍數(shù)。所以，延遲時間

20、可表示為，正整數(shù)。（2）跳頻信號偵察1） 跳頻信號的盲檢測利用單跳自相關技術作為預檢測處理器，采用自相關方法用于檢測跳頻比起傳統(tǒng)的基于能量檢測的接收機來說，具有明顯的性能提升但是這些方法都需要假定已知信號的一些參數(shù)，對于實際的信號偵察中，接收方對于跳頻信號的參數(shù)實際上是完全未知的?；诙嗵韵嚓P技術MHAC(Multiple-Hop Autocorrelation)的跳頻信號檢測方法，無需知道跳頻信號的功率、跳頻圖案、載波相位、跳變時刻、跳頻速率等參數(shù)，只需假定已知信號的跳頻帶寬，并且跳頻信號具有較大的處理增益，可以實現(xiàn)信號的盲檢測2） 跳頻信號的盲分選目前一般采用基于網(wǎng)臺的頻率信息、駐留時間

21、信息、信號幅度等為基礎的時間相關法來進行跳頻網(wǎng)臺分選。跳頻網(wǎng)臺信號的時間相關分選過程就是利用同網(wǎng)臺信號之間的時間相關性對截獲的信號數(shù)據(jù)進行分析處理，以獲得有用參數(shù)，達到分選的目的。有用參數(shù)包括：非正交跳頻網(wǎng)數(shù)、每網(wǎng)的跳頻速率和頻率集，在搜索期間出現(xiàn)的所有定頻信號的幅度和頻率，以及某一特定頻率信號在觀測期間出現(xiàn)的次數(shù)、每次出現(xiàn)的起始時間(起始幀)和持續(xù)時間等。在跳頻網(wǎng)臺分選中利用方位信息來進行網(wǎng)臺分選跚，引入測向信息將增加網(wǎng)臺分選時的有用參數(shù)，利用測向得到的方位信息在極坐標圖上表現(xiàn)為具有在某個中心的離散分布，采用模糊聚類將其有效分開?；讵毩⒎至糠▽μl網(wǎng)臺進行盲分選，僅利用截獲的多個跳頻網(wǎng)臺的

22、混合信號進行分選，分選方法易于軟件設計實現(xiàn)。3） 調(diào)頻參數(shù)盲估計完成對多個跳頻網(wǎng)臺的混合信號的分選后，需要對某個跳頻網(wǎng)臺的信號的特征參數(shù)進行盲估計，包括估計信號的跳變周期(即跳頻速率)，跳交時刻、跳頻的頻率等特征參數(shù)。從而獲取敵方更為詳盡的通信信息；為進行電子干擾提供有力的支援。針對跳頻通信的電子干擾，跟蹤式干擾能夠?qū)μl通信進行有效的干擾。但要進行跟蹤式干擾，就必須對截獲分選出的單個跳頻網(wǎng)臺的跳頻信號進行處理，獲得單個跳頻網(wǎng)臺的主要特征參數(shù)，根據(jù)得到的特征參數(shù)對敵方的跳頻通信進行干擾，做到有的放矢，有效干擾。因此，跳頻參數(shù)盲估計在跳頻偵察中具有重要的地位。對跳頻信號特征參數(shù)的盲估計，這里擬采

23、用短時傅立葉變換的時頻分析的方法進行處理。短時傅立葉變換也稱加窗傅立葉變換。具體算法這里不再贅述。4雷達通信偵察信息融合對于目標識別來說單傳感器提取的信息往往是待識別目標的不完全描述而利用多個傳感器提取的獨立互補的信息進行多傳感器信息融合可以消除多傳感器信息可能存在的冗余和矛盾降低不確定性并產(chǎn)生新的有意義的信息。通過多節(jié)點通信、雷達偵察接收機截獲對方艦載、機載通信和雷達信號，分析和獲取對方通信及雷達信號的各種參數(shù)，運用多傳感器信息融合技術綜合識別和判定這些輻射源，進而為評估并定位其裝載平臺及其相關聯(lián)的武器系統(tǒng)提供支撐。雷達與通信偵察設備目標識別的前提是敵方平臺的雷達輻射源與通信電臺的識別。雷達

24、偵察設備根據(jù)所獲敵方平臺雷達輻射源的載頻、脈沖重復頻率、脈沖寬度、天線掃描周期等屬性參數(shù)識別雷達輻射源。雷達輻射源的識別方法很多，如基于神經(jīng)網(wǎng)絡的雷達輻射源智能識別方法、基于模糊推理的雷達輻射源識別方法和基于屬性測度的輻射源識別方法等。通信偵察設備根據(jù)所獲敵方平臺通信電臺的中心頻率、帶寬、信號電平、電臺功率、調(diào)制方式等屬性參數(shù)識別敵方通信電臺。通信電臺的識別方法有加強最近鄰分類方法、基于D-S證據(jù)理論的通信電臺識別方法和D-S證據(jù)理論與灰關聯(lián)相結(jié)合的通信電臺識別方法等。雖然單獨識別敵方平臺上的雷達或通信電臺可以推算出敵方平臺類型，但結(jié)果的置信度通常較低。通過融合雷達和通信偵察設備的數(shù)據(jù)，增加融

25、合后結(jié)果的置性度。在目標融合識別系統(tǒng)中，由于各個傳感器提供的信息往往是不完整的、不精確的、模糊的，具有某種程度的不確定性及模糊性，甚至還有可能是相互矛盾的，因此要進行目標的融合識別，不得不依據(jù)這些不確定性的信息進行推理，以達到獲取最終識別目標身份的目的。不確定性推理方法正是處理那些具有不完全、不確定、不清晰的信息或數(shù)據(jù)，是目標融合識別的基礎。Dempster和Shafer提出的證據(jù)理論則能夠處理這種由先驗概率未知而引起的不確定性。同其他不確定性推理理論方法相比較，-S證據(jù)理論具有較大的優(yōu)點，主要表現(xiàn)在以下幾個方面：）證據(jù)理論具有比較強的理論基礎，既能處理隨機性所導致的不確定性，又能處理模糊性所

26、導致的不確定性。）證據(jù)理論可以依靠證據(jù)的積累，不斷縮小假設集，亦即證據(jù)理論具有當證據(jù)增加時使受限假設集模型化的能力。）證據(jù)理論可將“不知道”和“不確定”區(qū)分開來。）證據(jù)理論可以不需要先驗概率和條件概率密度。（1）D-S證據(jù)理論的基本概念D-S證據(jù)理論是在經(jīng)典概率論的基礎上發(fā)展起來的，其基本思想是建立一個辨識框架U，U定義了一個互不相容事件的完備集合，代表對問題所有的可能答案。按傳統(tǒng)方法可以把U的冪集表示為2U，它是U的所有子集的集合。如果識別框架U有N個元素，那么U的冪集就有2N-1個元素。基本概率賦值函數(shù)。設U為一識別框架，則函數(shù)m2U0,1在滿足下列條件時： (2-6)稱m為框架U上的基本

27、概率賦值函數(shù)(BPAF)，m(A)為A的基本概率賦值(BPA)。m(A)反映了對命題A的精確信任程度，表示對命題A的直接支持。信任函數(shù)(BeliefFunction)BEL(A)表示對命題A的總信任程度，定義BEL2U0,1為 (2-7)（2）D-S證據(jù)理論的組合規(guī)則證據(jù)合成法規(guī)則是一個反映證據(jù)聯(lián)合作用的法則。給定幾個同一識別框架上基于不同證據(jù)的置信度函數(shù)，如果這幾個證據(jù)不是完全沖突的，那么就可以利用Dempster合成法則計算出一個總的置信度函數(shù)，作為那幾個證據(jù)聯(lián)合作用下產(chǎn)生的置信度函數(shù)。設BEL1和BEL2是同一識別框架上的兩個信任函數(shù)，m1和m2分別是其對應的BPA，焦元分別為A1,Ak

28、和B1,Bn，若： (2-8)那么,由下式定義的m2U0,1是BPA: (2-9)式中,若K1,則m確定一個基本概率賦值；若K=1,認為m1、m2矛盾,不能對基本概率賦值進行組合。同樣，對于多個證據(jù)的組合運算公式為： (2-10)（3）輻射源BPA確定方法對敵方雷達和通信電臺對應輻射源型號的BPA采用灰關聯(lián)方法確定，再推算出此輻射源信號對應的平臺類型的基本概率賦值。選取雷達偵察設備或通信偵察設備上報的目標觀測矢量數(shù)據(jù)為參考數(shù)列，記為,選取已知模板庫中目標數(shù)據(jù)為比較序列。則和的灰色關聯(lián)度定義為 (2-11)式中,）是比較數(shù)列與參考數(shù)列第k個指標(屬性)的相對差值，這種形式的相對差值稱對對第k個參

29、數(shù)的關聯(lián)系數(shù)。稱為分辨系數(shù)，一般,且越小分辨力越大，一般的取。計算關聯(lián)度的方法為平均值法，即： (2-12)對于單個傳感器，根據(jù)式(2-11)計算出各比較數(shù)列與參考數(shù)列的關聯(lián)系數(shù)，由此根據(jù)式(2-12)計算出各比較數(shù)列相應的灰關聯(lián)度，分別為。定義基本概率賦值為： (2-13)對于多個傳感器，根據(jù)D-S證據(jù)理論組合規(guī)則，由式(2-10)可以計算出融合處理后證據(jù)的基本概率賦值。算出敵方輻射源信號對應的輻射源型號的BPA后，再根據(jù)各可能的輻射源型號的平臺數(shù)占總的可能平臺數(shù)之比，可推算出此輻射源信號對應的平臺類型的基本概率賦值。設Ri對應的平臺類型Pij的平臺數(shù)為Nij，則此輻射源信號對應的平臺類型的

30、基本概率賦值為： (2-14)（4）目標識別具體步驟1) 各雷達偵察設備截獲一雷達信號，運用式(2-10)(2-13)求出此雷達信號對應的平臺類型的基本概率賦值。2) 按照1)的方法求出所有雷達信號對應的平臺類型的基本概率賦值。3) 各通信偵察設備截獲一通信信號，運用式(2-10)(2-13)求出此通信信號對應的平臺類型的基本概率賦值。4) 按照3)的方法求出所有通信信號對應的平臺類型的基本概率賦值。5) 按照式(2-109)計算出平臺類型的基本概率賦值，從而得出融合后的平臺類型。5 軟件仿真實現(xiàn)項目仿真軟件采用Matlab工具進行開發(fā)，MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達式與數(shù)學、工程中