基于決策樹的無線電到達方位測量算法

中國電子科技集團公司第三十八研究所 洪興勇

安徽新華學院電子通信工程學院 李文瑾

基于決策樹的無線電到達方位測量算法

中國電子科技集團公司第三十八研究所 洪興勇

安徽新華學院電子通信工程學院 李文瑾

在面臨一個多變、復雜和密集的電磁信號環境中，能夠快速和精確偵測無線電到達方位信息，將有利于精密定位攻擊敵方武器裝備或敵方干擾設備。本文將智能計算引入無線電方向估計中，通過智能學習方法達到來波方位預測的目的，智能測向學習器是訓練樣本通過利用學習算法建立學習模型，得出測向模型，然后應用測向模型對測試樣本進行預測測試樣本的方位。決策樹構建速度快，因此將決策樹作為分類器，實現對無線電到達來波方位估計和預測。

無線電；訓練樣本；決策樹；方位估計

1 引言

進入新世紀以來，隨著超大規模集成電路、信息網絡、智能數據處理等高新技術的蓬勃發展及廣泛應用，推動了全世界范圍內的軍事裝備變革，特別是對探測和跟蹤目標的精度提出了更高的要求。目前，當面臨一個多變、復雜和密集的電磁信號環境時，無線電信號到達方向信息若被精確定位，可以實現對敵機進行精確打擊和干擾[1]。影響無線電信號到達方位精度的有以下兩個因素：（1）受到無線電體制、工作方式、工作模式、信號處理方法的影響；（2）受到大氣傳輸效應、多徑效應等電磁波在空間傳輸的影響。

隨著智能信息處理技術的快速發展，智能計算的能力有了很大的提高，從而使通過海量學習獲取非線性系統的能力成為可能，因此通過機器學習方法獲取無線電信號到達方向測量的能力也成為可能。研究智能測向算法是將無線電信號到達方位測量問題轉變成一個海量數據智能學習與識別問題，通過智能學習的方法，建立無線電信號到達方向測量的預測模型，實現對無線電信號的到達來波方位進行預測，實現無線電信號到達方向測量目的。本文提出一種基于決策樹的無線電信號到達方位測算法。

2 無線電測向原理

無線電測向的目的是測量無線電波輻射源的方向，其實質是測量到達電磁波的波陣面的法線方向相對于參考方向（正北）之間的夾角。在實際使用的測向設備中，由于測向天線體系的天線元的間距不可能很大，因此，處在電波輻射場中的各天線陣元可以認為它們接收的電場強度的幅值是相等的，僅相位不同而已。所以，被測來波的方位信息就包含在天線所在點接收到的電場強度的相位中。這樣，利用分布在電磁場中不同位置上的N元離散天線組成的天線體系或一定結構的天線體系進行測向時，天線體系上所產生的感應電動勢的相位就與被測電臺輻射的來波方向有關。按照從不同天線體系上所產生的感應電動勢中提取目標電臺方位信息的不同處理方法，亦即按提取來波到達方位信息方法的不同，可形成：被測來波方位是接收信號振幅的函數，以及該信號相位的函數，由此可產生比幅法與比相法兩類基本的無線電測向方法[2]。

3 訓練樣本獲取

對于將智能學習理論應用于方向估計的算法中，首先需要有效的訓練樣本。對于訓練樣本的選擇，是使用在多種環境和多種方位的前提下，寬頻段信號在接收天線陣列上的感應相位差。目前考慮的樣本包括信號頻率，信噪比，方向以及感應相位差。獲得訓練樣本的方法如下：

3.1 實際測量

（1）首先將信號源放置在天線某個方向的遠場，一般要求信號源與天線的距離需要超過信號十倍波長。

（2）然后將信號源置為所需頻率和所需強度后發射，計算信號源在天線陣列的感應相位差，將頻率、信噪比、方向以及相位差作為一個樣本。

（3）修改信號強度，即調整信噪比，重復步驟2。當前頻率在當前方向上的樣本建立后，修改信號源頻率，重復步驟2，3建立其他頻率信號在當前方向上的樣本。

（4）如果在指定一個方向上的所需頻點以及信噪比測量結束后，將信號源置到下一個方向，重復步驟2，3。

在已有訓練樣本產生方法情況下，下一步需進一步研究的是在訓練樣本生成時，信號源頻率間隔與陣列結構的關系，還有信噪比的變化步進設置問題以及方位間距設置問題等，還可以進一步研究地理條件對訓練樣本的影響。雖然實際測量獲取的樣本正確率較高，但因獲取樣本費時、費力等因素，論文中我們采用仿真實驗的方法獲取樣本。本實驗的數據都是以仿真數據為基礎進行的。

3.2 仿真獲取

如果不考慮信道對測向的影響，在只考慮信噪比影響的情況下，訓練數據也可以通過仿真模型獲取。通過構建仿真的多信道測向系統，天線陣列接收各種頻率的信號，然后天線陣列所接收的信號通過五信道接收機接收。假設不考慮五信道接收機中信道對信號的影響，那么可通過仿真實驗的方法來獲取五信道接收機中各信道間的相位差。

表1 訓練樣本

表1中的樣本反映了在不同頻率、不同信噪比、不同來波角度情況下天線陣列上感應的相位差，這些相位差可以作為智能測向的樣本。

4 基于決策樹的測角仿真實驗

用決策樹全方位預測無線電的來波方位。把1°～360°分為360類，每一度作為一類，對表1數據作為樣本進行訓練得出下列的決策樹。如圖1所示：

圖1 每1°作為一類的樹結構

用3-折交叉確認法[3]（3-fold cross-validation）對決策樹進行處理，把全方位分成360類，每1°作為一類，識別正確率如表2所示：

表2 每1°作為一類識別正確率

由表2可知： 決策樹把全方位分成360類來識別來波方位時，誤差小于等于1°或2°時，對來波方位識別的正確率較低；誤差小于等于≤10°時，決策樹對來波方位識別的正確率很高。決策樹對無線電來波方位估計能夠快速和精確偵測無線電到達方位信息，將有利于精密定位攻擊敵方武器裝備或敵方干擾設備。

5 結論

本文通過仿真實驗獲取智能信息學習的訓練樣本。基于決策樹的學習算法的一個最大優點就是，它在學習過程中不需要使用者了解很多的背景知識。只要訓練例子能夠用屬性和結論的方式表達出來，就能使用該算法來學習。決策樹能夠快速估計無線電來波方位信息，并且方位誤差越大，估計方位信息的正確率越高。因此基于決策樹的無線電信號到達方位估計算法能夠滿足寬頻段、快速和高精度的智能測向系統。

[1]賀平,羅景青.雷達對抗原理[M].北京:國防工業出版社,2016.

[2]陳玲.無源測向測時差定位算法研究[J].電子與信息學報,2003,25(6).

[3]郭景峰,米浦波,劉國華.對一種新的決策樹建立方法的研究[J].計算機科學,2002(29).

圖3 芯片外觀圖

圖4 H橋控制電路

圖5 無線遙控發射電路圖

圖6 無線遙控接收電路圖

3.5 無線遙控電路設計

本文采用無線遙控芯片TX-2B/RX-2B構成爬壁機器人的無線控制系統。其無線發射電路如圖5所示，無線接收電路如圖6所示，兩電路必須配對使用。

本設計利用無線控制系統對爬壁機器人進行了實驗，整機調試，爬壁機器人樣機能完成自由爬壁并在垂直墻面上完成前進、后退、轉向、制動等功能。

4 總結

本設計并實現了一種負壓吸附型爬壁機器人，主要包括機器人本體結構設計、驅動系統設計、無線控制系統等幾個部分。對系統中的主要部件進行了參數設計，并介紹了其主要性能。該系統元器件設計合理、選型準確。針對所設計的爬壁機器人運用無線遙控設計控制，實現爬壁機器人的無線模塊控制。

參考文獻

[1]彭晉民,李濟澤,邵潔,李軍.壁機器人吸附系統研究[M].中國機械工程,2012,9.

[2]吳善強,李滿天,孫立寧.爬壁機器人負壓吸附方式概述[J].林業機械與木工設備,2007,2.

許云倩，現就讀于山東淄博實驗中學2015級26班。

王營博，山東理工大學機械工程學院碩士研究生，從事儀器科學與技術方面的研究。