基于決策矩陣的雷達型號識別算法

邱海健

（中國電子科技集團公司第三十八研究所，合肥 230000）

0 引言

不同雷達信號參數交疊使得情報處理系統對目標輻射源識別困難。由于雷達時域、頻域參數覆蓋范圍大，偵察系統截獲的信號參數往往能夠匹配多個威脅輻射源，這導致對截獲雷達目標的判型困難，即僅靠傳統的到達方向、載頻、到達時間、脈沖寬度、脈沖重復間隔等常規參數來分選和雷達型號識別，已遠遠不能滿足雷達輻射源目標識別的需要。

雷達參數對雷達型號能夠取得較好的識別效果，多型雷達在頻率、脈寬或者脈沖間隔等參數上常有重疊等限制條件，以致造成實際工程應用中雷達參數分離效果不佳，且需人工介入進行判斷等缺點，這將嚴重影響系統的工作效能和效率。

在接收到的交錯重疊的各類雷達信號基礎上，選取時頻空聯合分選方法對信號分析處理獲得雷達特征參數信息，利用載頻類型、信號帶寬、脈沖寬度、脈沖重復間隔、脈沖調制類型、脈內調制類型、數據率、重頻等特征參數，構成復雜體制雷達目標描述向量，作為輻射源識別的基礎，建立決策矩陣。利用相同雷達信號的參數相關性和不同雷達信號的參數差異性來實現雷達信號的區分和雷達型號識別。

1 基于時頻空聯合的分選方法

雷達信號分選［1-2］中常常需要解決的問題包括：大數據量的處理策略、片段信號提取、錯漏脈沖處理及目標復雜時序等。由上述難點分析結合系統設計流程，為設計一個相對通用的分選過程，將分選步驟劃分為如圖1所示的幾個部分，每個部分設計相應的處理算法。

圖1 分選處理流程

其中，人工參數設置及預覽主要為人機交互界面，該部分提供后續處理步驟的參數設置接口及效果預覽；匹配預處理主要完成基于已知目標庫，采用RF、PW及PRI參數匹配的方法，對已知目標進行過濾；密度聚類完成輸入PDW 的聚類，可根據數據情況選擇采用參數RF、PW、DOA 的各組合中的一種作為聚類參數，聚類結果作為不同的通道分別進行后續處理；PRI估計完成輸入PDW 流的PRI 檢測任務，作為后續抽取的依據；序列抽取根據估計的PRI值，實現對相同PRI 的PDW 序列抽取；參數統計對抽取的各PDW 序列進行統計分析，生成RDW，同時計算RDW 的占空比，以評估RDW 的可信度，超出占空比范圍的RDW不作為輸出結果。

2 基于決策矩陣的雷達型號識別

采用決策矩陣的方法，利用載頻類型、信號帶寬、脈沖寬度、脈沖重復間隔、脈沖調制類型、脈內調制類型、數據率、重頻等特征參數，構成復雜體制雷達目標描述向量，作為輻射源識別的基礎。

其中：M為選擇的特征個數。特征參數向量與待識別的目標種類構成決策矩陣空間。

其中：N為待識別的目標種類個數，uij表示第i個特征參數對第j類目標的隸屬度。

根據特征參數集中各特征參數的變量類型（離散型、連續型），可以采用不同的算法來確定隸屬度。如離散型特征參數可采用匹配的方式設置隸屬度：

而對于連續模擬型變量，如雷達的射頻、重頻、脈寬等，可以根據經驗選擇用正態型或柯西型等隸屬度函數：

其中：u為偵察測量獲得的數據值，σ為傳感器對特征參數測量誤差的均方差。由上述方法獲得的隸屬度矩陣U滿足歸一化、獨立性和兼容性條件。

為了量化各觀測值對目標類別的支持，從而獲得型號的綜合判決結果，需對隸屬度矩陣設置權重矩陣：

權重矩陣可以根據專家知識設定，在無先驗知識的情況下可通過熵值分析法設置。對于第j類目標的雷達輻射源，已提取的特征參數共有M個。對每個特征參數Fi(i= 1,2,…,M)，將其對應的分布區間分為相等的L段，記為rk(i),k= 1,2,…,L。這里的分布區間是指第j類模式的最大可能的參數分布區間。則滿足Fi∈rk(i)的樣本屬于第j類的概率為

式中：Nk(i)為滿足Fi∈rk(i)的樣本數，Nkj(i)為Nk(i)中屬于第j類的樣本數，則有

設Pk(i)為一個樣本滿足Fi∈rk(i)的概率，則有

其中：N0為總的樣本數，即。

這樣，定義特征參數Fi的熵值為

根據該函數的性質，熵值H(Fi)越小，各類目標在特征Fi上的類間分離性越大，則特性Fi對分類的貢獻越大，即在識別過程中的權重越大。如果Fi∈rk(i)所有的樣本都屬于同一類，則有H(Fi)= 0。在得到各特征參數的H(Fi)后，就可以定義相應的歸一化權值。

3 目標識別

信號分選能夠為型號識別提供的雷達信號特征描述參數主要有RF（射頻）、PRI（重頻）、PW（脈寬）三種，型號識別［3-4］使用上述三種參數與數據庫進行比對后給出識別結果。

建立目標識別庫，雷達信號的重要參數有頻率、頻率類型、脈寬、脈寬類型、重頻、重頻類型和雷達型號。算法處理過程：接收信號主處理發送的原始RDW 數據，將原始RDW 數據與建立的重點目標識別庫中的參數進行匹配；如果識別成功，將目標庫中的雷達型號等信息寫入RDW結構體中。

4 實驗與結論

雷達仿真數據選取第一種頻率8150 MHz、脈寬2.9 us 和重復周期131 us，并且建立目標識別庫，雷達型號為38-1；第二種頻率8150 MHz、脈寬1 us和重復周期173 us，不入庫。

雷達信號的脈寬分布如圖2 所示。圖2 中橫坐標是脈沖的時間，縱坐標是PW（脈寬）值。

圖2 脈寬分布

雷達信號的頻率分布如圖3所示，其中橫坐標是脈沖的時間，縱坐標是RF（射頻）值。

圖3 頻率分布

雷達RDW 綜合顯控顯示系統的處理結果如圖4所示，其中兩批信號是雷達信號分選處理后結果，再經過雷達目標庫匹配后識別出38-1 的雷達型號。

圖4 分選結果

5 結語

從仿真實驗和實際數據的分選情況得出結論，選取時頻空聯合分選方法對信號進行分析處理獲得雷達特征參數信息，利用載頻、脈沖寬度、重頻等特征參數，構成復雜體制雷達目標描述向量，作為輻射源識別的基礎，建立決策矩陣，通過比對己有目標數據庫，采用最大隸屬度原則進行行為判別，識別出雷達型號信息。