基于鄰域粗糙集和D-S證據(jù)理論的雷達輻射源識別

劉 爭，祝 利，解夢奇

(國防科技大學，安徽 合肥230037)

0 引 言

雷達輻射源目標往往負責作戰(zhàn)系統(tǒng)的前哨工作，具有重要的作戰(zhàn)價值。雷達輻射源識別能夠引導對敵雷達目標的干擾和打擊，使敵作戰(zhàn)系統(tǒng)致盲，是目前戰(zhàn)場電子偵察的重要手段之一[1]。但傳感器在復雜電磁環(huán)境中所截獲到的輻射源信號往往不準確、不完整，使得雷達輻射源識別成為目前偵察活動中的重難點問題。為此基于多傳感器的目標融合識別已發(fā)展成為現(xiàn)代輻射源識別的必要手段，而證據(jù)理論方法因能夠有效處理不確定問題大量應用于融合識別中，是目前常用的目標識別融合方法。

3.1 信號特征選擇

設識別歷史數(shù)據(jù)庫中含可識別的目標類型有5類，分別表示為P1，P2，P3，P4，P5。輻射源信號特征參數(shù)構成信號特征參數(shù)集Q=(q1，q2，q3，q4)，設識別歷史數(shù)據(jù)庫如表2所示(每個目標類型各含數(shù)據(jù)10組)。

表2 目標識別歷史數(shù)據(jù)庫

按照步長0.1對λ取值，經(jīng)30次實驗發(fā)現(xiàn)具有分類效果的λ取值在[1.4，3.8]之間，約簡效果如圖4所示。

圖4 不同λ 取值下的分類效果

確定在不同λ閾值大小條件下的目標信號特征權重劃分如表3所示。

表3 目標信號特征權重劃分

應用文獻[12]、[13]中的權重折衷方法，計算λ閾值在區(qū)間中的折衷權重：

得到最終的特征權重劃分為[0.371 8，0.018 7，0.0.690 5，0]，即約簡特征集合為(q1，q2，q4)(載頻、脈沖重復間隔、脈沖調制特征)。

3.2 目標融合識別

通過統(tǒng)計分析得到P1，P2，P3，P4，P55個目標類型的基準參數(shù)(目標參考序列)如表4所示，在不同噪聲環(huán)境下偵獲其信號特征參數(shù)(目標比較序列)如表5所示。以下設置2類識別實驗，分別進行驗證對比，說明不同噪聲環(huán)境下的特征分權和融合識別效果。

表4 目標比較序列

表5 目標參考序列

分別計算比較特征權重在本文方法、熵權法分權以及未分權條件下的類型測度，如圖5～圖7所示。

圖5 10 dB噪聲測度比較

從不同噪聲下的測度比較情況可以看出，熵權法識別結果魯棒性較差，其中在20 dB 噪聲條件下P3測度最高，而在10 d B和30 d B 條件P2下測度最高。同時本文方法與未分權條件相比，P1，P2，P3，P4，P5測度差異較大，表現(xiàn)出更好的收斂性和準確性，更易于區(qū)分和識別類型。

模擬3個傳感器在20 dB噪聲條件下對目標連續(xù)偵察2 個時間周期，偵獲目標特征參數(shù)如表6所示。

圖6 20 dB噪聲測度比較

圖7 30 dB噪聲測度比較

表6 傳感器偵獲參數(shù)數(shù)據(jù)

由特征參數(shù)計算得到輻射源類型測度，并轉化為證據(jù)表示得到識別基本概率值如表7所示。

表7中m1，m2，m3，m4，m5分別表示傳感器在單位時間內對目標類型識別的基本概率值。融合證據(jù)組得到最終識別概率值，得到m2證據(jù)體概率值最高，即可判定最終識別結果為目標序列P2。同時將融合證據(jù)組與單一證據(jù)組進行比較，如圖8所示。

由圖8中的曲線可以看出，不同傳感器在不同時間周期內的識別結果有所不同，如傳感器x2在時間周期y2與傳感器x3在時間周期y1相比，識別結果排序有所差異，但融合結果則“中和”了這些差異，使得證據(jù)體概率值區(qū)分度更高，更易于識別出輻射源目標。

表7 識別基本概率值

圖8 基本概率值比較

4 結束語

為解決復雜環(huán)境下雷達輻射源識別準確率低的問題，本文提出一種基于鄰域粗糙集和D-S證據(jù)理論的目標識別模型。首先從輻射源信號特征分權方法入手，考慮到鄰域粗糙集處理連續(xù)數(shù)據(jù)集的優(yōu)勢，應用于輻射源歷史識別數(shù)據(jù)庫挖掘，計算獲得信號特征權重。并在仿真驗證中比較熵權法和未分權條件下計算出的輻射源類型測度，說明了本文方法的合理性和優(yōu)越性。同時考慮到復雜環(huán)境下單一傳感器在準確性和可靠性上的不足，在特征分權基礎上，將灰關聯(lián)分析與證據(jù)理論結合，通過融合識別證據(jù)得到最終識別結果，增加了輻射源識別的可信度，并具有良好的容錯性。