專利名稱：一種復雜密集環境下雷達輻射源信號覆蓋分選方法
技術領域：
本發明涉及一種雷達輻射源信號覆蓋分選方法。
背景技術：
隨著電子技術的快速發展，越來越多的導彈制導武器被廣泛應用于現代戰爭，致使電子偵察環境中出現的雷達輻射源信號復雜而密集。各種具有多功能、多用途的現代新體制雷達的大量出現，使得一部雷達可能具有多種工作狀態，雷達輻射源信號參數呈現復雜的變化方式。現代體制雷達具有多種參數隨機變化的特點，可能同時具備載頻(RF)，脈寬(PW)，方位角(DOA)、脈沖重復周期(PRI)等參數的隨機捷變和抖動能力，造成常規信號分選參數表述的雷達信號參數空間存在嚴重交疊。由于上述原因，雷達信號分選和識別所利用的信號規律性被嚴重破壞，因此利用信號脈沖之間相關性的傳統信號分選方法對于特征參數空間交疊及復雜變化的雷達信號已不能較好的歸類。目前在基于多參數的雷達信號分選算法中，比如傳統的依賴雷達輻射源數據庫的模板匹配方法，由于模板數據庫信息無法清晰描述復雜信號的變化情況，因此針對復雜多變信號分選效果較差。由于神經網絡本身具有快速并行處理能力以及很強的容錯能力等優點，在處理信號多參數最優邊界劃分的問題上取得了不錯的成績，所以神經網絡及支持向量機等智能算法被引入到了雷達信號分選識別系統中。此類方法雖然具有良好定義的確定結構，但是都是按照某種最優準則進行網絡結構調制和權值的確定，容易造成局部極小， 過學習或者不收斂現象出現，而且存在網絡結構訓練時間較長和受參數初值選擇影響比較大、處理速度慢等缺點，并且硬劃分的分類處理方式忽略了交疊空間信號樣本存在的中介性以及雷達偵察信號客觀存在的不確定性因素。因此為了克服復雜電磁環境下上述傳統雷達信號分選識別方法的局限性，需要一種能對特征參數存在交疊的雷達信號進行快速有效分選的新方法。

發明內容
本發明是為了解決目前在復雜密集環境及特征參數交疊嚴重情況下的雷達信號分選能力差問題，從而提供一種復雜密集環境下雷達輻射源信號覆蓋分選方法。一種復雜密集環境下雷達輻射源信號覆蓋分選方法，它由以下步驟實現步驟一、選擇能夠標準化的雷達信號的特征參數作為輸入特征向量，并初始化雷達信號樣本參數空間；步驟二、將步驟一所述的雷達信號樣本參數空間中的具有參數先驗信息的雷達信號通過覆蓋算法進行有監督的學習，即用幾何覆蓋的形式來描述雷達信號樣本參數的分布特點；步驟三、利用覆蓋算法將步驟二中的不同類別的雷達信號用不同的領域分隔開， 完成對雷達信號的學習；步驟四、采用云模型來表述每個待分選識別雷達信號的特征參數相對于步驟三中每個領域的隸屬程度，獲得該待分選識別雷達信號相對于步驟三中每個領域的隸屬程度的隸屬值；步驟五、根據步驟四獲得的該待分選識別雷達信號相對于步驟三中每個領域的隸屬程度的隸屬值，采用判決準則對待測信號進行分選，完成復雜密集環境下雷達輻射源信號覆蓋分選。步驟一中的能夠標準化的雷達信號的特征參數為傳統脈沖描述字參數(PW、RF、 D0A, PRI)或脈內特征參數。步驟二中所述的具有參數先驗信息的雷達信號是通過偵察的方式獲得的。步驟三中所述利用覆蓋算法將步驟二中的不同類別的雷達信號用不同的領域分隔開，其原則是每個覆蓋領域下只包含一類雷達信號，一類雷達信號能夠由多個不同的覆蓋領域組成。步驟四中云模型是在傳統模糊集理論和概率統計的基礎上提出的定性定量不確定性轉變模型。步驟四中采用云模型來表述每個待分選識別雷達信號的特征參數相對于步驟三中每個領域的隸屬程度的具體方法是將覆蓋雷達信號的每個領域視為云模型中所指的定性概念，然后通過各個領域確定云模型所需要的參數，從而實現用云模型描述待分選識別雷達信號每個特征參數相對于每個領域的隸屬程度。有益效果本發明提出一種復雜密集環境下雷達輻射源信號覆蓋分選方法。本發明首先將幾何覆蓋的概念引入到了雷達信號分選中，用幾何覆蓋的方式對雷達信號樣本的特征參數分布工作區進行描述，得到能夠表征信號不同工作方式的幾何領域，比如能夠清晰描述同一特征參數多個工作區間值的情況，且不依賴于雷達輻射源數據庫，解決了信號工作點多樣化難以描述的問題，并且克服了傳統神經網絡以復雜多變非線性方程組描述樣本時容易導致局部極小和過學習的缺陷，對海量數據具有速度快，精確度高的優點。然后針對信號參數交疊區的雷達信號具有中介性及不確定性的特點，將通過訓練獲得的每個幾何領域看成定性概念，用云模型理論對各個幾何領域進行建模，根據云模型描述的不同領域與待測雷達脈沖信號屬于某個領域的隸屬關系實現雷達信號的分選識別，在分選的同時識別出雷達信號類型。由于該方法事先要經過訓練，特別適合于裝訂輻射源信號的精確實時分選，且對雷達信號不確定性的有效處理能夠降低對訓練樣本精確性的要求，更加符合當前電子偵察環境情況，并解決了參數交疊嚴重的密集雷達信號的快速分選識別，克服了針對參數交疊情況下傳統分選算法硬化分的分選缺陷，為雷達輻射源的分選提供了新思路。


圖I是本發明的流程示意圖；圖2是本發明的雷達信號的載頻和脈寬二維分布圖； 圖3是本發明的雷達信號的載頻和方位角二維分布圖；圖4是本發明的雷達信號的脈寬和方位角二維分布圖。
具體實施例方式具體實施方式
一、結合圖I說明本具體實施方式
，本發明在對傳統雷達信號分選算法以及當前電磁環境分析的基礎上，認識到當前復雜高密度環境下，參數交疊的多體制雷達信號的快速最優邊界的劃分問題已經成為了如今制約信號分選領域發展的難點問題。 傳統分選算法非此即彼的硬分類分選方式不能對其進行有效處理，忽略了交疊樣本存在的中介性，不能客觀的反映現實世界。針對上述問題，本發明提出一種基于云模型聯合幾何覆蓋的雷達信號分選新方法。本發明首先將幾何覆蓋的概念引入到了雷達信號分選中，用幾何覆蓋的方式對雷達信號樣本的特征參數分布工作區進行描述，得到能夠表征信號不同工作方式的幾何領域。比如，能夠清晰描述同一特征參數多個工作區間值的情況，且不依賴于雷達輻射源數據庫，解決了信號工作點多樣化難以描述的問題，并且克服了傳統神經網絡以復雜多變非線性方程組描述樣本時容易導致局部極小和過學習的缺陷，對海量數據具有速度快，精確度高的優點。然后針對信號參數交疊區的雷達信號具有中介性的不確定性特點，將通過雷達信號參數樣本訓練獲得的每個幾何領域看成定性概念，用云模型理論對各個幾何領域進行建模， 根據云模型描述的不同領域與待測雷達脈沖信號屬于某個領域的隸屬關系實現雷達信號的分選識別，在分選的同時識別出雷達信號類型。由于該方法事先要經過訓練，特別適合于裝訂輻射源信號的精確實時分選，且對雷達信號不確定性的有效處理能夠降低對訓練樣本精確性的要求，更加符合當前電子偵察環境情況，并解決了參數交疊嚴重的雷達密集信號的快速分選識別，克服了針對交疊參數傳統分選算法硬化分的分選缺陷，為雷達輻射源的分選提供了新思路。本發明的基于云模型聯合幾何覆蓋的雷達信號分選方法，通過以下步驟實現(I)選擇能夠標準化的雷達信號的特征參數作為該方法的輸入特征向量，如傳統脈沖描述字參數(PW、RF、D0A、PRI)、脈內特征參數等，然后初始化雷達信號樣本參數空間。(2)將通過偵察或其他方式獲得的具有參數先驗信息的雷達信號通過覆蓋算法進行有監督的學習，即用幾何覆蓋的形式來描述雷達信號訓練樣本參數的分布特點。(3)利用覆蓋算法用不同的領域將不同類別的雷達信號分隔開，以完成對雷達信號的學習。(4)由于雷達信號特征參數域交疊嚴重，參數交疊區域的信號歸并具有中介性，并且進行訓練的雷達信號參數受噪聲污染等影響，具有較強模糊性和隨機性的特點，因此用云模型來表述待分選識別雷達信號每個特征參數相對于上述幾何覆蓋算法生成的每個領域的隸屬程度。(5)最后得到每個待分選識別信號相對于領域的隸屬云所得的隸屬值，然后根據門限判決實現對待測信號的分選識別。其中所述的選擇雷達信號具有代表性的特征主要是從由電子偵察接收機生成的雷達信號的傳統脈沖描述字和提取到的脈內特征中選擇最能夠代表不同雷達信號的參數作為本發明方法的輸入特征向量。其中所述的對具有參數先驗信息的不同類別的雷達信號通過幾何覆蓋算法進行有監督學習，是指對通過偵察或其他手段獲得的具有一定先驗參數信息的雷達信號，首先用幾何覆蓋的形式對各類信號進行學習，以描述各類信號的分布特點完成對網絡結構的確定。區別于傳統神經網絡算法根據某種最優規則進行網絡結構的訓練方式，克服了訓練樣本時容易陷入局部極小以及過學習的缺陷，不需要反復根據某種最優規則進行迭代訓練， 具有較高的處理速度。
其中所述的將不同類別的雷達信號用不同領域分隔開，是指通過覆蓋算法完成對訓練樣本雷達信號的學習，即將不同類別的雷達信號用不同的領域來描述。每個覆蓋領域下只包含一類樣本信號，某一類信號可由多個不同的覆蓋領域組成。其中所述的用云模型來表述待分選識別雷達信號每個特征參數相對于上述幾何覆蓋算法生成的每個領域的隸屬程度，云模型是在傳統模糊集理論和概率統計的基礎上提出的定性定量不確定性轉變模型，將模糊性和隨機性結合在一起，克服了原始覆蓋算法分類判決的缺陷、傳統的基于模糊集理論的雷達信號的邊界分類忽略了隸屬函數本身的不確定性也就是樣本數據的隨機性以及雷達信號參數本身存在的較大的測量誤差、及訓練需要的參數先驗信息存在的不完整性、隨機性和模糊性以及噪聲污染等問題。本發明根據幾何覆蓋算法利用每個領域描述不同雷達信號分布的特點，將覆蓋雷達信號的每個領域看作是云模型中所指的定性概念，然后通過各個領域確定云模型所需要的參數，就可以實現用云模型描述待分選識別雷達信號每個特征參數相對于每個領域的隸屬程度。其中所述的用每個待分選識別信號取得的隸屬云最大隸屬度或者最大幾個隸屬值實現該信號的分選識別，是指通過本發明的上述步驟用多維參數云模型描述待分選識別樣本相對于各個領域的隸屬程度，然后根據我們設定的判決準則實現對待測雷達信號的分選。通過仿真實驗實例以及附圖來對發明效果進行說明。雷達參數信息如表I所示，根據雷達輻射源環境及信號模型的特點，選用傳統雷達脈沖描述字作為表征雷達信號的特征參數，在不考慮信號脈內特征的情況下，選取3個基本參數(RF，Pff, D0A)組成特征向量，作為輸入向量，根據雷達信號模型產生四類變化復雜的雷達信號，并加入了干擾噪聲，生成交疊脈沖仿真數據。根據表I中的雷達參數首先生成4部雷達的信號數據，作為訓練數據，然后再次按照上述參數生成一次數據作為待分選識別的雷達信號樣本，且訓練數據和待分選識別的雷達信號樣本都存在有噪聲影響，更符合實際情況。表I雷達參數信息表
權利要求
1.一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征是它由以下步驟實現步驟一、選擇能夠標準化的雷達信號的特征參數作為輸入特征向量，并初始化雷達信號樣本參數空間；步驟二、將步驟一所述的雷達信號樣本參數空間中的具有參數先驗信息的雷達信號通過覆蓋算法進行有監督的學習，即用幾何覆蓋的形式來描述雷達信號樣本參數的分布特占.步驟三、利用覆蓋算法將步驟二中的不同類別的雷達信號用不同的領域分隔開，完成對雷達信號的學習；步驟四、采用云模型來表述每個待分選識別雷達信號的特征參數相對于步驟三中每個領域的隸屬程度，獲得該待分選識別雷達信號相對于步驟三中每個領域的隸屬程度的隸屬值；步驟五、根據步驟四獲得的該待分選識別雷達信號相對于步驟三中每個領域的隸屬程度的隸屬值，采用判決準則對待測信號進行分選，完成復雜密集環境下雷達輻射源信號覆蓋分選。
2.根據權利要求I所述的一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征在于步驟一中的能夠標準化的雷達信號的特征參數為傳統脈沖描述字參數或脈內特征參數。
3.根據權利要求I所述的一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征在于步驟二中所述的具有參數先驗信息的雷達信號是通過偵察的方式獲得的。
4.根據權利要求I所述的一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征在于步驟三中所述利用覆蓋算法將步驟二中的不同類別的雷達信號用不同的領域分隔開， 其原則是每個覆蓋領域下只包含一類雷達信號，一類雷達信號能夠由多個不同的覆蓋領域組成。
5.根據權利要求I所述的一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征在于步驟四中云模型是在傳統模糊集理論和概率統計的基礎上提出的定性定量不確定性轉變模型。
6.根據權利要求I所述的一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征在于步驟四中采用云模型來表述每個待分選識別雷達信號的特征參數相對于步驟三中每個領域的隸屬程度的具體方法是將覆蓋雷達信號的每個領域視為云模型中所指的定性概念，然后通過各個領域確定云模型所需要的參數，從而實現用云模型描述待分選識別雷達信號每個特征參數相對于每個領域的隸屬程度。
7.根據權利要求I所述的一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征在于步驟二中所述的將步驟一所述的雷達信號樣本參數空間中的具有參數先驗信息的雷達信號通過覆蓋算法進行有監督的學習，即用幾何覆蓋的形式來描述雷達信號樣本參數的分布特點的具體方法是步驟A、預處理，根據覆蓋算法首先要將雷達信號特征參數向高一維球投影，假設所有將要進行學習的雷達信號特征為集合D，通過以下公式 f(x) = (X，(R2-Ixl2)172)(I)將所有要學習的雷達信號樣本都投影到以原點為中心，半徑為R的球面上，其中，f (X) 表示投影函數，X表示特征參數向量，R表示球半徑，R彡max {IXI}, X e D,半徑R大于學習樣本中特征輸入向量的最大模；步驟B、在雷達信號訓練樣本中任取某一未學習的點χλ，將其設為中心，然后根據公式，
8.根據權利要求I所述的一種復雜密集環境下雷達輻射源信號覆蓋分選方法，其特征在于步驟四中所述采用云模型來表述每個待分選識別雷達信號的特征參數相對于步驟三中每個領域的隸屬程度，獲得該待分選識別雷達信號相對于步驟三中每個領域的隸屬程度的隸屬值的具體方法是步驟I)、將每個領域看作是一個定性概念，然后對每個領域進行云模型的建立，即對 Ex, En, He三個參數進行選取，選取方法為利用由訓練得到的領域信息結合基于擬合的逆云算法進行三個參數的選擇，操作步驟為步驟11)通過訓練獲得每個領域的中心及其半徑，將每個領域的中心視為期望值Exi,則
全文摘要
一種復雜密集環境下雷達輻射源信號覆蓋分選方法，涉及一種雷達輻射源信號覆蓋分選方法，它是為了解決目前在復雜密集環境及特征參數交疊嚴重情況下的雷達信號分選能力差問題。其方法選擇能夠標準化的雷達信號的特征參數作為輸入特征向量，并初始化雷達信號樣本參數空間；將雷達信號樣本參數空間中的具有參數先驗信息的雷達信號通過覆蓋算法進行有監督的學習；利用覆蓋算法將不同類別的雷達信號用不同的領域分隔開；采用云模型來表述每個待分選識別雷達信號的特征參數相對于每個領域的隸屬程度，獲得該待分選識別雷達信號相對于每個領域的隸屬程度的隸屬值；采用判決準則對待測信號進行分選。本發明適用于雷達輻射源信號的分選。
文檔編號G01S7/02GK102590791SQ20121000595
公開日2012年7月18日 申請日期2012年1月10日 優先權日2012年1月10日
發明者萬建, 刁元鵬, 國強, 楊多, 高海波 申請人:哈爾濱工程大學