基于特征選擇檢驗的交會數據相似度驗證方法

司昕璐，馬秋華

(西安機電信息技術研究所，陜西 西安 710065)

?

基于特征選擇檢驗的交會數據相似度驗證方法

司昕璐，馬秋華

(西安機電信息技術研究所，陜西 西安 710065)

針對無線電引信半實物仿真彈目交會數據的相似度評定缺乏統一的定量標準的問題，提出基于特征選擇檢驗的無線電引信交會數據相似度驗證方法。該方法分別統計幅值差異估量和要素差異估量，進行加權求和，得到全局差異估量，并轉換成相似度百分比。驗證表明，與相關系數相比，該方法綜合了彈目交會數據的時域和頻域特征信息，其結果更為接近真實值。特征選擇檢驗方法不僅適用于空中目標彈目交會數據的比對和分析，對信雜比較差的大脫靶量地面目標彈目交會數據的相似度評估也較為適合。

無線電引信；半實物仿真；交會數據；相似度；特征選擇檢驗

0 引言

無線電近炸引信利用彈目交會過程中探測到的目標電磁回波變化確定合適的炸點，達到最佳的毀傷效果。針對無線電近炸引信交會速度高、近場工作、一次性作用等特點，通常建立無線電近炸引信仿真模型，利用仿真數據代替更多的外場靶試，作為無線電引信性能的考核驗證數據，通過半實物仿真評測其信號處理單元以至整個樣機的性能；利用彈目交會實測數據評估回波數據仿真模型的準確度，通過校驗模型提高軟件模型的精度。

文獻[1]提出了一種頻譜比較驗證仿真結果的方法，得出頻譜分析在頻域上比較兩組數據的頻譜一致性(考慮頻譜特性)；文獻[2]利用小波變換驗證仿真模型的方法，得出小波分析既可以在時域，也可以在頻域，進行數據一致性比較。但目前對于無線電引信交會數據的仿真通常只有相似度或精度的指標，而沒有具體統一的計算和檢驗方法，缺乏精度指標的定量評定依據。文獻[3]介紹了一種評價兩組數據相似度的比較直接的方法，但因其更多地反映了能量參數的相似度，幅度的權重大于頻譜的權重，并不適合用來評定無線電近炸引信的仿真數據同實測數據的相似度。本文針對無線電近炸引信的交會特性的仿真數據這樣一類時域、頻域信息均有明確物理意義的數據，提出基于特征選擇檢驗的無線電引信交會數據相似度驗證方法。

1 特征選擇檢驗方法

特征選擇檢驗(Feature Selective Validation，FSV)規定了一種計算電磁學的計算機建模與仿真技術、代碼和模型的驗證方法[3]，適用于廣泛的電磁應用，包括電磁兼容、雷達散射截面、信號完整性和天線領域等。

FSV的基礎是從原始數據中提取兩類信息，即幅度(趨勢/包絡)和要素特征。前者體現了數據的緩慢整體變化，后者則描述了向上或向下的尖峰。通過這兩類信息，FSV可以計算出不同層次(整體的、局部的、逐點的等)驗證結果[4]。

全局差異估量(Global Difference Measure，GDM)是兩組數據相似性的全局判斷，由幅值差異估量(Amplitude difference Measure, ADM)和要素差異估量(Feature Difference Measure, FDM)組合而成，可以用數值或解釋性語言(極好、非常好、好、一般、不好、很不好)來表達，二者之間的關系見表1。

表1 FSV解釋性語言的等級尺度

FSV首先對原始數據作傅里葉變換，并濾波獲取低頻和高頻分量；然后再用傅里葉逆變換將它們轉換到原始數據空間，逐點計算它們及其導數的差異得到ADM和FDM的值[4]；最終組合ADM和FDM得到GDM。

假定ADM和FDM相互獨立，GDM由下面的公式計算：

使用FSV 時，如果兩組數據的抽樣點(一般是頻率或時間)不同，則必須首先插值，以保證在相同抽樣位置上比較數據。FSV的相似度評定框圖如圖1所示。

圖1 特征選擇檢驗法相似度評定框圖Fig.1 Similarity assessment diagram of feature selective validation method

FSV是一種結合了基于幅度的比對和基于特征的比對的技術，應用于以驗證為目的的數據集比對的量化，能夠更全面、更好地顯示兩組數據集之間的吻合情況[4]。FSV將相似度分為六級評定，未見到用于無線電引信交會仿真數據相似度評定的報道。

2 交會數據相似度驗證方法

由于目前很多的無線電近炸引信的信號處理不僅利用了時域的幅度信息，還利用了頻域信息，或者是時頻聯合信息[5-6]，因此無線電引信仿真數據的相似度檢驗方法需要幅度與頻譜的權重相當或者權值可調，才能更加真實有效。

無線電引信仿真數據的特征選擇檢驗法如圖2所示，與圖1的不同之處在于：交會數據的預處理是指對回波數據所做的采樣率轉換、時間對齊、去直流等工作。幅值差異估量體現了幅度參數的相似度，要素差異估量體現了頻譜參數的相似度，將二者按照一定權重進行組合(通常權重各取一半)，體現了整體的相似度，即全局差異估量。

圖2 無線電引信仿真數據的特征選擇檢驗法相似度評定框圖 Fig.2 Similarity assessment diagram of radio fuze simulation data feature selective validation method

在實際使用中，仿真模型的精度一般為百分比，按照表2對FSV等級進行轉換。

表2 轉換的分段函數

3 相似度驗證實例

3.1 正弦和余弦信號的相似度驗證

計算機產生幅度和頻率參數一致的正弦波和余弦波，并對其相關性和特征選擇檢驗特征進行計算。為了驗證直流偏置的影響，二組數據分別如下：

第一組數據(有直流偏置)：X1=sin(2π×(0.001∶0.001∶70))+1；

X2=cos(2π×(0.001∶0.001∶70))+1；

第二組數據(無直流偏置)：X1=sin(2π×(0.001∶0.001∶70))；

X2=cos(2π×(0.001×0.001×70))；

計算結果如表3所示，第一組數據的計算曲線如圖3所示。

表3 正弦波和余弦波的相似度驗證參數表

圖3 正弦波和余弦波及其特征參數比較圖Fig.3 Comparison chart of sine and cosine waves and characteristic parameters

從結果來看，特征選擇檢驗更加符合我們對于一致性的直觀判定，尤其適合像無線電引信交會信號這樣一類既有幅度調制又有頻率調制的數據。而且，即便沒有在預處理中做去除直流項操作，對結果的影響有限。

3.2 外場實測數據的相似度驗證

為了方便比較，分別采用同等交會測試條件下的兩條數據進行相似度驗證，也就是說，兩條數據的相似度很高，理論值接近于1。

圖4—圖7為無線電近炸引信與地面目標、空中目標交會的實測數據曲線、幅度差異估量曲線以及要素差異估量曲線。相關系數法、特征選擇檢驗法各特征參數值見表4。

圖4 地面目標交會(正下方交會)測試數據及其特征參數比較圖Fig.4 Comparison chart of ground target encounter (underface encountment) test data and characteristic parameters

圖5 地面目標交會(側下方交會)測試數據及其特征參數比較圖Fig.5 Comparison chart of ground target encounter (side below encountment) test data and characteristic parameters

圖6 空中目標交會(正下方交會)測試數據及其特征參數比較圖Fig.6 Comparison chart of aerial target encounter (underface encountment) test data and characteristic parameters

圖7 空中目標交會(側下方交會)測試數據及其特征參數比較圖Fig.7 Comparison chart of aerial target encounter (side below encountment) test data and characteristic parameters

相似度比較法文件名及類型地面目標正下方交會(s009/s010)地面目標側下方交會(s022/s023)空中目標正下方交會(b10/b11)空中目標側下方交會(b91/b92)特征選擇檢驗法幅值差異估量0.135150.230590.0860090.053547要素差異估量0.0125310.0135580.00962250.0070818全局差異估量0.13675(非常好)0.23167(好)0.087584(極好)0.055087(極好)全局相似度93.12%88.37%95.62%97.25%相關系數法相關系數77.87%24.96%89.61%87.46%理論相似度理論相似值100%100%100%100%

特征選擇檢驗法評定時，空中目標交會測試的兩組數據差異估量很小，說明相似度很高，地面目標交會測試的兩組數據差異估量稍大，地面目標側下方交會數據的差異更大些，但量值與視覺感受較為接近，比相關系數法更加“真實”。

一般說來，對地面目標進行半實物仿真時，由于復雜背景對探測回波的影響較大，尤其是大脫靶量情況下, 其相似度差一些，而對空中目標進行彈目交會的半實物仿真時，相對“干凈”的背景會對相似度結果較為有利。

相似度評定方法的選取應與無線電引信的作用目標、作用方式等相關聯，特征選擇檢驗方法不僅適于無線電引信與空中目標交會測試的數據相似度評定，也適合于對地面目標作用的無線電近炸引信的仿真數據的相似度評定，通用性較好。

4 結論

本文提出了基于特征選擇檢驗的交會數據相似度驗證方法，該方法分別統計幅值差異估量和要素差異估量，進行加權求和，得到全局差異估量，并轉換成相似度百分比，其結果更為接近真實值。實例驗證表明，特征選擇檢驗方法不僅適用于空中目標彈目交會數據的比對和分析，對信雜比較差的大脫靶量地面目標彈目交會數據的相似度評估也較為適合。在實際工作中，無線電引信彈目交會數據相似度評定方法的選取應與引信的作用目標、作用方式等相關聯，既考核了仿真模型的準確性又驗證了信號處理模型的有效性。

[1]查亞兵.仿真結果驗證的頻譜比較方法[J].系統仿真學報，1997(1):22-26.

[2]佟佳慧，張淑麗，張紹寧.基于小波變換的仿真模型驗證方法研究[C]//2007 全國仿真技術學術會議論文集.北京：仿真技術學會，2007：97-100.

[3]徐秉錚，歐陽景正.信號分析與相關技術[M].北京：科學出版社，1981.

[4]Duffy A, Drozd A， Archambeault B, et al. Measuring similarity for validation of computational electromagnetic modeling[C]// Proc EADINGS of the 2004 IEEE International Symposium on EMC. Santa Clara:IEEE,2004:697-702.

[5]肖舒文，李柏文，陳曉盼.特征選擇驗證方法：原理、應用及最新進展[J]，電訊技術，2016,56(3):346-352.

[6]馬秋華，基于小波包頻譜分析的彈目交會特征提取方法[J]， 探測與控制學報,2009,31(1):5-9.

[7]喬飛.基于有限分布參數的地面多普勒回波模型[J].探測與控制學報, 2010,32(6):5-9.

An Encounter Data Similarity Verification Method Based on Feature Selective Validation

SI Xinlu，MA Qiuhua

(Xi’an Institute of Electromechanical Information Technology, Xi’an 710065, China)

To solve the problem that there is no uniform quantitative standard for radio fuze semi-physical simulation of missile-target encounter data， a method of radio fuze encounter data similarity verification was proposed based on feature elective validation.This method figured out the amplitude difference measure and the feature difference measure respectively, which were weighted sum to get the global difference measure that was converted into a percentage similarity. Verification indicates that compared with the correlation coefficient, this method synthesized the feature information of time domain and frequency domain of missile-target encounter data, making the result more close to the true value.The feature selective validation method was not only applicable to the data comparison and analysis for missile-target encounter in the air, but also applicable to the similarity assessment for the missile-target encounter data on the ground which was of a poor signal-to-clutter radio.

proximity fuze; semi-physical simulation; encounter data; similarity; feature selective validation

2016-06-12

司昕璐(1981—)，女，河南鄭州人，工程師，研究方向：目標環境特性測量。E-mail:sixinlu@163.com。

TJ432.2

A

1008-1194(2016)05-0037-05