面向雷達目標識別領域的知識圖譜構建技術

摘 要：在雷達目標識別應用領域，為提升雷達目標識別精度，我們構建了一種基于目標特性知識圖譜。主要是描述面向雷達目標識別領域的行業知識圖譜技術，我們抽取雷達目標識別領域所具有的特定實體與特定關系，并在此基礎上完成語義網絡的構建。該語義網絡中包含雷達目標識別目標特性知識，對提升雷達目標識別能力提供一種解決思路。

關鍵詞：雷達目標識別;知識圖譜;知識抽取;目標特征

中圖分類號：TP391.1 文獻標識碼：A DOI：10.3969/j.issn.1003-6970.2021.03.045

本文著錄格式：王斌.面向雷達目標識別領域的知識圖譜構建技術[J].軟件，2021，42（03）：156-157

Knowledge Graph Construction Technology for Radar Target Recognition

WANG Bin1，2，3

（1.The 38th Research Institute of China Electronics Technology Group Corporation， Hefei? Anhui? 230088;

2.Key Laboratory of Aperture Array and Space Application， Hefei? Anhui? 230088;

3.Key Laboratory of Intelligent Information Processing， Hefei? Anhui? 230088）

【Abstract】：In the application field of radar target recognition， in order to improve the accuracy of radar target recognition， we have constructed a knowledge map based on target characteristics. Mainly to describe the industry knowledge graph technology for the radar target recognition field. We extract specific entities and specific relationships in the radar target recognition field， and complete the construction of the semantic network on this basis. The semantic network contains knowledge of target characteristics of radar target recognition， which provides a solution for improving the ability of radar target recognition.

【Key words】：radar target recognition;knowledge graph;knowledge extraction;target feature

1知識圖譜內涵

知識圖譜（Knowledge Graph）主要是用來描述真實客觀世界中不同實體之間的定義以及概念，同時對不同實體之間聯系進行挖掘、分析和表達，并構建實體與實體之間的相互關系[1-2]。最早是2012年谷歌公司提出“知識圖譜”的基本概念，用于支撐其公司搜索引擎的語義搜索建立的知識庫。隨著互聯網科技的快速發展，新一代人工智能的廣泛應用，知識圖譜的內涵越來越豐富。

根據知識圖譜中所涉及的知識類型不同，可以將知識圖譜分為通用知識圖譜（GKG，General-purpose Knowledge Graph）和垂直領域或行業領域知識圖譜（DKG，Domain-specific Knowledge Graph），其中二者注意區別是其所涵蓋的知識體系不同，如表1所示。

本論文主要是描述面向雷達目標識別領域的行業知識圖譜技術，我們抽取雷達目標識別領域所具有的特定實體與特定關系，并在此基礎上完成語義網絡的構建。該語義網絡中包含雷達目標識別目標特性知識，具有很強的針對性和專門性，因此對目標特性知識的準確性和精度要求相對較高。

2雷達目標識別

雷達目標識別主要是通過雷達傳感器對目標進行探測，獲得雷達目標回波數據，通過對目標回波數據進行分析，提取目標特征信息，利用模式識別方法對目標特征進行統計分析，結合分類判別方法，從而實現對目標進行類型和屬性判決[3]。

雷達目標識別主要包含三個過程：首先是對目標數據進行獲取、其次對目標進行有效特征提取，最后是對目標進行分類和屬性判決。在整個目標識別過程中，為了提升目標識別準確率，我們需要構建完備的目標特性數據庫。通過大量采集雷達目標回波數據以及建立目標仿真電磁模型，從而建立更加完備的目標特性數據庫，但是目前目標特性數據庫主要是結構化的目標散射特性以及運動特性數據，很難描述目標特性數據之間隱含的內在關聯關系，基于這個背景下，我們通過構建目標識別的特性知識圖譜，建立一種新型的雷達目標識別目標特性知識圖譜，為雷達目標識別識別率能力提升提供基本支撐。

3知識圖譜構建方法

雷達目標識別知識圖譜是以圖的形式實現對不同目標對象和雷達探測環境以及目標運動狀態軌跡的語義關系進行描述的一種方法，包括模式層和數據層，其構建可以采用由模式層到數據層的自上而下方法，也可以采用由數據層到模式層的自下而上方法。

雷達目標識別知識圖譜的體系架構如圖1所示。其中虛線框內的部分為知識圖譜的構建過程，也包含知識圖譜的更新迭代過程。知識圖譜構建從最原始的數據出發，采用一系列自動或者半自動的技術手段，從雷達目標特性數據或者其他途徑得到的目標特性數據中提取知識，并將其存入知識庫的數據層和模式層，這一過程包含：信息抽取、知識表示、知識融合、知識推理四個過程，每一次更新迭代均包含這四個階段[3-4]。知識圖譜主要有自頂向下與自底向上兩種構建方式。自頂向下指的是先為雷達目標識別知識圖譜定義好本體與數據模式，再將目標實體加入到知識庫。該構建方式需要利用一些現有的結構化知識庫作為其基礎知識庫。自底向上指的是從外部數據庫中提取一些目標數據，并將其提前加入到知識庫，再構建頂層的本體模式。

參考文獻

[1] 徐增林，盛泳潘，賀麗榮，等.知識圖譜技術綜述[J].電子科技大學學報，2016，45（4）：589-606.

[2] 劉嶠，李楊，楊段宏，等.知識圖譜構建技術綜述[J].計算機研究與發展，2016，53（3）：582-600.

[3] 徐健，張智雄，吳振新.實體關系抽取的技術方法綜述[J].現代圖書情報技術，2008（8）：18-23.

[4] 嚴紅，黃穎，應勵志.面向軍事信息系統結構化數據的信息匯聚方法[J].指揮信息系統與技術，2015（6）：29-34.