一種多傳感器雷達(dá)輻射源識(shí)別的組合方法

一種多傳感器雷達(dá)輻射源識(shí)別的組合方法

雷達(dá)輻射源的識(shí)別包括將檢測(cè)到的雷達(dá)信號(hào)參數(shù)與預(yù)測(cè)值的雷達(dá)信號(hào)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(zhēng),這就要求各種電子偵察設(shè)備能夠快速地對(duì)雷達(dá)的型號(hào)、類型和威脅等級(jí)進(jìn)行識(shí)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(shí)別雷達(dá)信號(hào)帶來(lái)了很大困難。信息融合技術(shù)可以綜合多個(gè)傳感器的數(shù)據(jù)來(lái)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(shí)別問(wèn)題1灰色理論和d-s證據(jù)理論1.1聚類對(duì)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(cè)指標(biāo)或觀測(cè)對(duì)象劃分成若干個(gè)可定義類別的方法,一個(gè)聚類可以看作是屬于同一類對(duì)象的集合。設(shè)有n個(gè)觀測(cè)對(duì)象,每個(gè)對(duì)象有m個(gè)聚類指標(biāo),可劃分為s個(gè)不同灰類。每個(gè)指標(biāo)關(guān)于每一對(duì)象用指標(biāo)觀測(cè)值x根據(jù)聚類對(duì)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(jiàn)文獻(xiàn)[2]。確定各聚類指標(biāo)在聚類過(guò)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(shì)的相似或相異程度來(lái)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(shì)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(shì)。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(cè)算法雷達(dá)輻射源的識(shí)別通過(guò)對(duì)被識(shí)別雷達(dá)各個(gè)特征參數(shù)的觀測(cè),采用一定的算法和雷達(dá)輻射源知識(shí)數(shù)據(jù)庫(kù)中各已知的雷達(dá)特征參數(shù)進(jìn)行匹配,從而確定被識(shí)別雷達(dá)型號(hào)。首先利用灰色理論中的灰色定權(quán)聚類法對(duì)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(gè)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(shí)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(duì)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(gè)傳感器所探測(cè)樣本數(shù)據(jù)對(duì)目標(biāo)的識(shí)別結(jié)果。根據(jù)雷達(dá)信號(hào)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(cè)數(shù)據(jù),即待識(shí)別的雷達(dá)信號(hào)作為比較數(shù)列,雷達(dá)識(shí)別知識(shí)數(shù)據(jù)庫(kù)中的型號(hào)數(shù)據(jù)作為參考數(shù)列。首先計(jì)算雷達(dá)信號(hào)觀測(cè)樣本中各個(gè)參數(shù)的灰關(guān)聯(lián)系數(shù),然后通過(guò)設(shè)定各個(gè)參數(shù)的權(quán)值,可得觀測(cè)樣本與已知雷達(dá)模板庫(kù)中樣本的灰關(guān)聯(lián)度。對(duì)于單個(gè)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(duì)于每一傳感器觀測(cè)樣本的灰關(guān)聯(lián)度集合給出一個(gè)信任測(cè)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(duì)多個(gè)觀測(cè)樣本的信任度進(jìn)行合成,得出同一時(shí)刻多個(gè)傳感器所探測(cè)樣本數(shù)據(jù)對(duì)目標(biāo)識(shí)別的結(jié)果。步驟三,通過(guò)多時(shí)刻對(duì)目標(biāo)進(jìn)行識(shí)別,確定對(duì)目標(biāo)的準(zhǔn)確識(shí)別結(jié)果。考慮到信號(hào)在時(shí)間上的積累,得到多個(gè)傳感器在不同時(shí)刻的觀測(cè)樣本。觀測(cè)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(hào)識(shí)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(guò)軟件Matlab7.0進(jìn)行仿真實(shí)驗(yàn)來(lái)說(shuō)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(kù)中樣本作為判決的框架,將其中某一類型的雷達(dá)信號(hào)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(shí)別。假設(shè)雷達(dá)信號(hào)特征矢量由射頻RF(MHz)、重頻PRI(Hz)、脈寬PW(μs)三個(gè)參數(shù)構(gòu)成。從目標(biāo)數(shù)據(jù)庫(kù)中提取3個(gè)相近的目標(biāo)數(shù)據(jù)作為識(shí)別框架,即(U通過(guò)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(duì)目標(biāo)的識(shí)別結(jié)果為U以上僅是多傳感器在一個(gè)時(shí)刻對(duì)目標(biāo)的識(shí)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(guò)多個(gè)時(shí)刻對(duì)目標(biāo)進(jìn)行識(shí)別,以提高目標(biāo)的準(zhǔn)確識(shí)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(lái)自類型1的證據(jù)序列中,以概率P=0.2混入來(lái)自類型2的證據(jù),并對(duì)某一目標(biāo)信號(hào)各參數(shù)疊加隨機(jī)噪聲得到觀測(cè)樣本;σ代表已知樣本庫(kù)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(cè)數(shù)據(jù)的融合次數(shù)也即觀測(cè)樣本的積累次數(shù)。通過(guò)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(hào)識(shí)別的正確識(shí)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(shí)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(cè)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(wèn)題。該算法對(duì)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(gè)數(shù)等于傳感器個(gè)數(shù),即無(wú)需提取傳感器的特征組合。2)噪聲對(duì)目標(biāo)識(shí)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(shí)別輻射源時(shí),正確識(shí)別率下降較快,而應(yīng)用修正的D-S融合方法識(shí)別輻射源時(shí),仍然能夠獲得較高的正確識(shí)別率。實(shí)驗(yàn)結(jié)果說(shuō)明,在噪聲環(huán)境下,基于修正D-S融