基于免疫危險理論的噪聲環境下電磁信號監測算法＊

林傳金 馬 捷 袁湘輝

（海軍91959部隊1） 三亞 502016）（海軍工程大學2） 武漢 430033）

1 引言

電磁信號監測是民用無線電管理和軍用戰場頻譜監測的重要任務。其目的是綜合利用各種信號檢測手段所獲取的信號參數，從合法電臺信號、常規通信信號及空間噪聲組成的各類背景信號中找出可能的目標信號（即異態信號）。由于實際監測中信號數量眾多，信號的調制方式、持續時間、中心頻率、帶寬等參數都在不斷變化，同時，不同傳播環境的信號之間存在明顯差異，要找出異態信號，具有較大難度。

人工免疫系統（AIS）是人們借鑒生物免疫系統的運行機制，提出的是一種新興的智能計算技術，具有良好的“自我、非我”的識別、記憶以及自適應學習能力，并具有良好的分布性和魯棒性，現已成功地應用于計算機入侵檢測[1]、分類[3～4]、數據挖掘[5]等領域中。鑒于電磁信號監測的需求與AIS特性的相似性，研究人員提出了基于人工免疫的異態電磁信號檢測模型[6]，初步將人工免疫系統應用于信號監測領域。實驗表明，該模型在異態信號監測的準確性、檢測時間等方面具有一定優勢。

然而，電磁信號監測與計算機入侵檢測有著明顯的不同。入侵檢測主要是面對較為純凈的檢測環境，其選擇的輸入參數一般為協議類型、端口號、IP地址（TCP地址、UDP地址、ICMP地址）、訪問權限、數據流量等，這些參數一般較為準確，波動較小。而電磁信號由于受到信號傳輸和檢測誤差的影響，所使用的參數（信號頻率、帶寬、點平、信號起止時間、來波方位等）都存在不同程度的波動。由于受到檢測器數量的限制，實際的人工免疫系統存在著“檢測空洞”[7]，如果異態信號分布在檢測器檢測空間的邊緣部分，參數的波動就可能使部分數據點落到檢測空間之外，造成漏檢。同時，入侵檢測領域的信號空間僅存在正常空間和異?？臻g兩個直和的子空間。而在復雜電磁信號環境中，存在大量的無序噪聲，雖然可以通過信號處理的方法濾除大部分噪聲，但仍會有部分殘留。因此，信號空間除正常信號和異常信號子空間外還存在噪聲子空間，如果不進行有效的處理，則會造成較大的虛警。

針對這些問題，本文借鑒免疫危險理論的思想，提出了一種適用于噪聲環境的免疫電磁信號監測算法。

2 免疫危險理論（IDT）

傳統的免疫理論建立于Burnet提出的SNS（Self／Non－Self）理論之上，其核心功能就是對自我與非自我進行區分。按照該理論，所有的抗原都分屬“自己”或“非己”，凡是被認為是“非己”的抗原都將誘發免疫響應。但是醫學研究表明，人體免疫系統并不會攻擊所有的外來物質。針對傳統免疫模型的不足，Pony.Matzinger提出了免疫危險理論（Immune Danger Theory，IDT）[8]。

不同于傳統免疫學的“自我－非我”識別模型，免疫危險理論認為人體免疫應答是由危險信號所引發的，并不一定所有非自體都會觸發免疫響應。當有抗原入侵時，B細胞與抗原相結合，并向T輔助細胞發出產生抗原識別信號。如果入侵的抗原導致了細胞非正常死亡，則受損細胞會發出危險信號，這些信號被抗原提呈細胞（antigen present cells，APC）感知，然后由抗原呈遞細胞向T輔助細胞發出危險確認信號，T輔助細胞在接收到抗原識別信號和危險確認信號之后，激活免疫響應，消滅引發危險的抗原。

免疫危險理論中有兩個重要假設：第一是“危險區域”[9]，抗原識別信號在抗原其周圍建立了一個危險區域。在該區域內的B細胞產生與抗原相匹配的抗體，并被活化，同時開始克隆增殖過程。那些并不匹配的抗體或者離危險信號較遠的抗體不被激活。第二是“協同刺激”[12]，機體只有同時接收到抗原識別信號和危險確認信號，才會激發免疫反應，如果只接收到其中之一，則不會發生免疫反應。

圖1 危險區域[9]與協同刺激[10]

傳統的人工免疫系統要求檢測器（抗體）對于所有的不同于“自己”的待測信號（抗原）都進行識別處理。而為了要降低系統的漏檢概率，就必須要求建立一個盡量完備的檢測器集合，這個檢測器集合的數量會隨著檢測空間大小成指數規模增長[7]。這在實際監測中，會導致處理資源和處理時間的極大浪費。然而，按照IDT理論，并不需要對任何“非己”信號都進行處理，也就是說在處理之前進行篩選，僅對“危險”信號進行處理，從而可以極大的降低系統虛警，這與噪聲環境中的信號監測實際需求不謀而合。

3 基于IDT的噪聲環境下電磁信號監測算法

借鑒免疫危險理論，可以將信號空間劃分為背景信號空間和非背景信號空間，其中非背景信號空間除異態信號外，還包含大量在去除噪聲階段殘留下來的突發噪聲，如圖2所示（本文不考慮自體空間與危險抗原空間的交集部分）。

圖2 信號空間的劃分

在電磁信號監測領域，異態信號在一定時間內特性是較穩定的。即雖然信號參數存在波動，使其在信號空間內并非一個點，但是卻仍然按照一定規律分布在一定的信號域之內。同時，由于頻譜資源有限，以及信號發射和接收設備的限制，某一信號一般只能按某種規律使用有限個數的頻譜資源，并不能隨意、無序的使用。而突發噪聲是隨機性事件，雖然從單個時間來看，其可能具備某些異態信號的特征，但總體上看，噪聲在信號空間內的分布是完全無規律分布，不可能在一定時間內穩定的以某種規律在某一信號域內聚成一系列有規律的點集。因此，信號監測系統可以借鑒免疫危險理論：當初次出現非背景信號時，檢測器發出識別信號，要求系統對該檢測器進行克隆選擇，以數量較多的危險檢測器對該危險區域進行完備性的控守。如果該非背景信號是噪聲，危險區域內將很難連續地出現有規律的信號，這時危險區域將隨時間自動消亡；但如果是異態信號，其必將會持續的在危險區域內出現，這時系統才發出危險確認信號，將其進行上報。這樣，就很大程度上排除了噪聲對監測系統引起的虛警。

具體算法流程如下：

按文獻[6]的模型，假設信號參數為s維，產生的成熟檢測器集合為｛Abi∈Ab1×s，i＝1，…，m｝，待測信號集合為｛Agj∈Ag1×s，j＝1，…，n｝，檢測時，待測信號依照檢測順序依次進入監測系統。

步驟1 假設某一待測信號Agj被某一檢測器Abi檢測到，即親和度，其中ri，j＝‖Agi－Abj‖為檢測器Abi與待測信號Agj在s維空間的距離，w1為監測親和度閾值。則檢測器Abi向系統發出識別信號Sig1；

步驟2 以O＝Agj為初始危險區域中心，Ri，j＝k1×ri，j為危險區域半徑（k1為常數，根據監測區域內的信號分布離散程度而定），建立初始危險區域，并設置危險區域的生命代數lifej；

步驟3 在初始危險區域內，對檢測器Abi進行克隆選擇，其目的是保證在危險區域內檢測器覆蓋空間的完備性，并盡量減少檢測區域的覆蓋。

1）在危險區域內隨機生成初始危險檢測器集合｛Ddp，p＝1，…，l｝；

2）對初始檢測器進行克隆，克隆數目與該檢測器和危險中心之間的距離成反比。即克隆檢測器個數為：

其中克隆系數k2為常數。

3）對克隆后的檢測器進行變異，其變異率與該檢測器和危險中心之間的距離成正比。即變異率為：

其中變異系數k3為常數。

4）檢測器抑制。計算經過上述操作的各個檢測器之間的距離rp，q＝‖Ddp－Ddq‖，找出匹配度小于抑制閾值σ的檢測器連接，并將與危險區域中心距離較遠的檢測器刪除。

步驟4 繼續讀入待測信號，如果下一被檢測器檢測出的待測信號Agh落入危險區域，則進行如下操作：

計算Agh與步驟2中的危險中心的距離，以危險中心與Agh的空間中心點為新的危險中心，以Ri，j＝k1×ri，j為危險半徑，作為新的危險區域，重復步驟3的操作，危險區域的生命周期保持不變，即lifej＝lifej；

如果Agh沒有落入以上危險區域，則轉到步驟2，以Agh為中心建立新的危險中心，并縮短危險區域j的生命周期，即lifej＝lifej－1；

步驟5 如果某危險區域的生命周期超過危險閾值的信號，發出危險確認信號Sig2，上報該信號；

步驟6 刪除生命周期結束（life＝0）的危險區域，并將檢測出異態信號的危險區域中距離的最終危險中心最近的ξ%個檢測器作為記憶檢測器加以保留。

以上算法具有以下特點：

1）借鑒了危險區域和協同刺激的原理，減少了突發噪聲對監測系統的影響；

2）借鑒了免疫克隆選擇的原理，在未檢測出非背景信號的情況下，系統僅保持較少數量的檢測器用以信號監測，從而在監測工作量和監測概率之間矛盾的之間維持平衡；一旦某檢測器檢測到可能的異態信號，即以該檢測器為中心進行增值、變異，以保證一定時間內的局部空間檢測器覆蓋的完備性，從而保證了監測概率；

3）借鑒免疫記憶原理。在異態信號停止后，保留其中檢測數最高或親和度最高的檢測器作為記憶檢測器，在后續檢測時優先用其與待測信號進行匹配檢測，從而保證系統的高效性。

4 實驗分析

4.1 檢測器分布模擬

為便于觀察，首先使用二維參數模擬本算法檢測器分布的情況。如圖3所示，成熟檢測器雖然基本覆蓋了非背景信號空間，但由于檢測器數量限制，檢測器之間存在“檢測空洞”。按本算法流程，如果異態信號的一個數據點被某檢測器檢測出來后，迅速以其為中心建立危險區域，并對檢測器進行克隆選擇操作，以保證在危險區域內檢測器覆蓋區域的完備性，確保能夠檢測出后續與其具有相同規律的信號點，而不受檢測參數波動的影響，從而保證檢測概率。但當被檢測出來的是噪聲，后續監測中該危險區域內將不太可能出現連續的具有相同分布規律的信號點，該危險區域將很快在生命周期到期后自動消亡，從而基本上排除了突發噪聲對系統引起的虛警。

圖3 檢測器的分布示意圖

4.2 異態電磁信號監測實驗

下面，使用無線電信號監測數據對本文提出的算法進行驗證。實驗采用某一體化接收機進行數據接收，將空間接收的信號經過自適應門限去噪后，作為數據輸入。

將空間的民用廣播電臺等信號視為背景信號。使用某信號源，分別在不同信噪比條件下發射信號模擬異態信號。本實驗的目的即驗證本模型是否能有效地排除殘留的噪聲干擾，找出這些異態信號。

圖4為某接收機上的某信號頻段內的時頻瀑布圖。由圖可知，經過自適應門限去噪等預處理后，信號空間仍存在一些明顯的功率較大的突發噪聲。經過本算法處理后，在多維信號空間內都無法聚成信號特征的突發噪聲被去除，信號空間得到明顯凈化。

圖4 信號時頻圖比較（縱軸為時間、橫軸為頻率）

為更好地衡量算法性能，本文在不同復雜程度的電磁環境下對本算法進行測試。定義如下指標：

·檢測概率Dc：檢測出的異態信號數量占發射的異態信號總數的比例；

·虛警概率Df：誤檢信號數（將噪聲或背景信號作為異態信號上報的數量）占上報信號總數的比例。

圖5 使用本算法前后的性能比較

使用本算法前后的監測性能如圖5所示。由圖可見，采用本算法后，系統的虛警概率得到了明顯的降低；但在平均頻段占用度較高時，系統檢測概率略有下降。系統檢測概率下降的原因可能是由于電磁信號環境過于復雜，信號空間內的一些特征類似于隨機噪聲的異態信號（如短時猝發通信信號）與噪聲特征相似度升高，其所產生的危險區域生命周期未達到算法監測閾值，以至形成漏警。但整體而言，采用本算法后，可以顯著地改善系統在噪聲環境下的性能，同時對系統的檢測概率影響不大，尤其在電磁信號環境復雜程度一般的監測條件下，檢測概率幾乎不變。

5 結語

本文針對人工免疫系統運用于電磁信號監測領域時，殘留的噪聲會引起較多系統虛警的問題，基于免疫危險理論，提出了一種適用于噪聲環境下電磁信號監測算法。實驗表明，本算法能夠較好地解決突發噪聲所引起的系統虛警問題，具有較強的實用價值。

[1]莫宏偉，左興權.人工免疫系統[M].北京：科學出版社，2009

[2]Alexander O.Tarakanov.Immunocomputing for Intelligent Intrusion Detection[J].IEEE Computational Intelligence Magazine，2008（5）：22～30

[3]Tien Dung Do，Siu Cheung Hui，A.C.M.Fong，et al.Associative classification with artificial immune system[J].IEEE Transactions on Evolutionary Computation，2009，13（2）：217～228

[4]劉若辰，鈕滿春，焦李成.一種新的人工免疫網絡算法及其在復雜數據分類中的應用[J].電子與信息學報，2010，32（3）：515～521

[5]Alex A.Freitas，Jon Timmis.Revisiting the Foundations of Artificial Immune Systems for Data Mining[J].IEEE Transactions on Evolutionary Computation，2007，11（4）：521～540

[6]Ma Jie，Shi Ying－chun，Zhong Zi－fa，et al.An Anomalistic Electromagnetism Signal Detection Model Based on Artificial Immune System[C]／／2010International Conference on Communications and Intelligence Information Security.Nanning，IEEE Computer Society，2010：256～260

[7]Zhou J，Dasgupta D.Revisiting negative selection algorithms[J].Evolutionary Computation，2007，15（2）：223～251

[8]Matzinger P.Danger model：a renewed sense of self[J].Science，2004，296（5566）：301～305

[9]Aickelin U，Bentley P，Cayzer S，et al.Danger theory：the link between AIS and IDS[C]／／Proceedings of the air 2nd International Conference on Artificial Immune System，2003：147～155

[10]胡風新，郭紅瑾，孫運芳.免疫算法理論及應用研究[J].計算機與數字工程，2009，37（7）

[11]杜海娟.網絡入侵檢測系統中動態克隆選擇算法的優化[J].2010，38（7）

[12]鄭宏.危險理論與影像目標檢測[J].武漢大學學報（信息科學版），2009，34（7）：799～804