专利名称：一种复杂密集环境下雷达辐射源信号覆盖分选方法
技术领域：
本发明涉及一种雷达辐射源信号覆盖分选方法。
背景技术：
随着电子技术的快速发展，越来越多的导弹制导武器被广泛应用于现代战争，致使电子侦察环境中出现的雷达辐射源信号复杂而密集。各种具有多功能、多用途的现代新体制雷达的大量出现，使得一部雷达可能具有多种工作状态，雷达辐射源信号参数呈现复杂的变化方式。现代体制雷达具有多种参数随机变化的特点，可能同时具备载频(RF)，脉宽(PW)，方位角(DOA)、脉冲重复周期(PRI)等参数的随机捷变和抖动能力，造成常规信号分选参数表述的雷达信号参数空间存在严重交叠。由于上述原因，雷达信号分选和识别所利用的信号规律性被严重破坏，因此利用信号脉冲之间相关性的传统信号分选方法对于特征参数空间交叠及复杂变化的雷达信号已不能较好的归类。目前在基于多参数的雷达信号分选算法中，比如传统的依赖雷达辐射源数据库的模板匹配方法，由于模板数据库信息无法清晰描述复杂信号的变化情况，因此针对复杂多变信号分选效果较差。由于神经网络本身具有快速并行处理能力以及很强的容错能力等优点，在处理信号多参数最优边界划分的问题上取得了不错的成绩，所以神经网络及支持向量机等智能算法被引入到了雷达信号分选识别系统中。此类方法虽然具有良好定义的确定结构，但是都是按照某种最优准则进行网络结构调制和权值的确定，容易造成局部极小， 过学习或者不收敛现象出现，而且存在网络结构训练时间较长和受参数初值选择影响比较大、处理速度慢等缺点，并且硬划分的分类处理方式忽略了交叠空间信号样本存在的中介性以及雷达侦察信号客观存在的不确定性因素。因此为了克服复杂电磁环境下上述传统雷达信号分选识别方法的局限性，需要一种能对特征参数存在交叠的雷达信号进行快速有效分选的新方法。
发明内容
本发明是为了解决目前在复杂密集环境及特征参数交叠严重情况下的雷达信号分选能力差问题，从而提供一种复杂密集环境下雷达辐射源信号覆盖分选方法。一种复杂密集环境下雷达辐射源信号覆盖分选方法，它由以下步骤实现步骤一、选择能够标准化的雷达信号的特征参数作为输入特征向量，并初始化雷达信号样本参数空间；步骤二、将步骤一所述的雷达信号样本参数空间中的具有参数先验信息的雷达信号通过覆盖算法进行有监督的学习，即用几何覆盖的形式来描述雷达信号样本参数的分布特点；步骤三、利用覆盖算法将步骤二中的不同类别的雷达信号用不同的领域分隔开， 完成对雷达信号的学习；步骤四、采用云模型来表述每个待分选识别雷达信号的特征参数相对于步骤三中每个领域的隶属程度，获得该待分选识别雷达信号相对于步骤三中每个领域的隶属程度的隶属值；步骤五、根据步骤四获得的该待分选识别雷达信号相对于步骤三中每个领域的隶属程度的隶属值，采用判决准则对待测信号进行分选，完成复杂密集环境下雷达辐射源信号覆盖分选。步骤一中的能够标准化的雷达信号的特征参数为传统脉冲描述字参数(PW、RF、 D0A, PRI)或脉内特征参数。步骤二中所述的具有参数先验信息的雷达信号是通过侦察的方式获得的。步骤三中所述利用覆盖算法将步骤二中的不同类别的雷达信号用不同的领域分隔开，其原则是每个覆盖领域下只包含一类雷达信号，一类雷达信号能够由多个不同的覆盖领域组成。步骤四中云模型是在传统模糊集理论和概率统计的基础上提出的定性定量不确定性转变模型。步骤四中采用云模型来表述每个待分选识别雷达信号的特征参数相对于步骤三中每个领域的隶属程度的具体方法是将覆盖雷达信号的每个领域视为云模型中所指的定性概念，然后通过各个领域确定云模型所需要的参数，从而实现用云模型描述待分选识别雷达信号每个特征参数相对于每个领域的隶属程度。有益效果本发明提出一种复杂密集环境下雷达辐射源信号覆盖分选方法。本发明首先将几何覆盖的概念引入到了雷达信号分选中，用几何覆盖的方式对雷达信号样本的特征参数分布工作区进行描述，得到能够表征信号不同工作方式的几何领域，比如能够清晰描述同一特征参数多个工作区间值的情况，且不依赖于雷达辐射源数据库，解决了信号工作点多样化难以描述的问题，并且克服了传统神经网络以复杂多变非线性方程组描述样本时容易导致局部极小和过学习的缺陷，对海量数据具有速度快，精确度高的优点。然后针对信号参数交叠区的雷达信号具有中介性及不确定性的特点，将通过训练获得的每个几何领域看成定性概念，用云模型理论对各个几何领域进行建模，根据云模型描述的不同领域与待测雷达脉冲信号属于某个领域的隶属关系实现雷达信号的分选识别，在分选的同时识别出雷达信号类型。由于该方法事先要经过训练，特别适合于装订辐射源信号的精确实时分选，且对雷达信号不确定性的有效处理能够降低对训练样本精确性的要求，更加符合当前电子侦察环境情况，并解决了参数交叠严重的密集雷达信号的快速分选识别，克服了针对参数交叠情况下传统分选算法硬化分的分选缺陷，为雷达辐射源的分选提供了新思路。
图I是本发明的流程示意图；图2是本发明的雷达信号的载频和脉宽二维分布图； 图3是本发明的雷达信号的载频和方位角二维分布图；图4是本发明的雷达信号的脉宽和方位角二维分布图。
具体实施例方式具体实施方式
一、结合图I说明本具体实施方式
，本发明在对传统雷达信号分选算法以及当前电磁环境分析的基础上，认识到当前复杂高密度环境下，参数交叠的多体制雷达信号的快速最优边界的划分问题已经成为了如今制约信号分选领域发展的难点问题。 传统分选算法非此即彼的硬分类分选方式不能对其进行有效处理，忽略了交叠样本存在的中介性，不能客观的反映现实世界。针对上述问题，本发明提出一种基于云模型联合几何覆盖的雷达信号分选新方法。本发明首先将几何覆盖的概念引入到了雷达信号分选中，用几何覆盖的方式对雷达信号样本的特征参数分布工作区进行描述，得到能够表征信号不同工作方式的几何领域。比如，能够清晰描述同一特征参数多个工作区间值的情况，且不依赖于雷达辐射源数据库，解决了信号工作点多样化难以描述的问题，并且克服了传统神经网络以复杂多变非线性方程组描述样本时容易导致局部极小和过学习的缺陷，对海量数据具有速度快，精确度高的优点。然后针对信号参数交叠区的雷达信号具有中介性的不确定性特点，将通过雷达信号参数样本训练获得的每个几何领域看成定性概念，用云模型理论对各个几何领域进行建模， 根据云模型描述的不同领域与待测雷达脉冲信号属于某个领域的隶属关系实现雷达信号的分选识别，在分选的同时识别出雷达信号类型。由于该方法事先要经过训练，特别适合于装订辐射源信号的精确实时分选，且对雷达信号不确定性的有效处理能够降低对训练样本精确性的要求，更加符合当前电子侦察环境情况，并解决了参数交叠严重的雷达密集信号的快速分选识别，克服了针对交叠参数传统分选算法硬化分的分选缺陷，为雷达辐射源的分选提供了新思路。本发明的基于云模型联合几何覆盖的雷达信号分选方法，通过以下步骤实现(I)选择能够标准化的雷达信号的特征参数作为该方法的输入特征向量，如传统脉冲描述字参数(PW、RF、D0A、PRI)、脉内特征参数等，然后初始化雷达信号样本参数空间。(2)将通过侦察或其他方式获得的具有参数先验信息的雷达信号通过覆盖算法进行有监督的学习，即用几何覆盖的形式来描述雷达信号训练样本参数的分布特点。(3)利用覆盖算法用不同的领域将不同类别的雷达信号分隔开，以完成对雷达信号的学习。(4)由于雷达信号特征参数域交叠严重，参数交叠区域的信号归并具有中介性，并且进行训练的雷达信号参数受噪声污染等影响，具有较强模糊性和随机性的特点，因此用云模型来表述待分选识别雷达信号每个特征参数相对于上述几何覆盖算法生成的每个领域的隶属程度。(5)最后得到每个待分选识别信号相对于领域的隶属云所得的隶属值，然后根据门限判决实现对待测信号的分选识别。其中所述的选择雷达信号具有代表性的特征主要是从由电子侦察接收机生成的雷达信号的传统脉冲描述字和提取到的脉内特征中选择最能够代表不同雷达信号的参数作为本发明方法的输入特征向量。其中所述的对具有参数先验信息的不同类别的雷达信号通过几何覆盖算法进行有监督学习，是指对通过侦察或其他手段获得的具有一定先验参数信息的雷达信号，首先用几何覆盖的形式对各类信号进行学习，以描述各类信号的分布特点完成对网络结构的确定。区别于传统神经网络算法根据某种最优规则进行网络结构的训练方式，克服了训练样本时容易陷入局部极小以及过学习的缺陷，不需要反复根据某种最优规则进行迭代训练， 具有较高的处理速度。
其中所述的将不同类别的雷达信号用不同领域分隔开，是指通过覆盖算法完成对训练样本雷达信号的学习，即将不同类别的雷达信号用不同的领域来描述。每个覆盖领域下只包含一类样本信号，某一类信号可由多个不同的覆盖领域组成。其中所述的用云模型来表述待分选识别雷达信号每个特征参数相对于上述几何覆盖算法生成的每个领域的隶属程度，云模型是在传统模糊集理论和概率统计的基础上提出的定性定量不确定性转变模型，将模糊性和随机性结合在一起，克服了原始覆盖算法分类判决的缺陷、传统的基于模糊集理论的雷达信号的边界分类忽略了隶属函数本身的不确定性也就是样本数据的随机性以及雷达信号参数本身存在的较大的测量误差、及训练需要的参数先验信息存在的不完整性、随机性和模糊性以及噪声污染等问题。本发明根据几何覆盖算法利用每个领域描述不同雷达信号分布的特点，将覆盖雷达信号的每个领域看作是云模型中所指的定性概念，然后通过各个领域确定云模型所需要的参数，就可以实现用云模型描述待分选识别雷达信号每个特征参数相对于每个领域的隶属程度。其中所述的用每个待分选识别信号取得的隶属云最大隶属度或者最大几个隶属值实现该信号的分选识别，是指通过本发明的上述步骤用多维参数云模型描述待分选识别样本相对于各个领域的隶属程度，然后根据我们设定的判决准则实现对待测雷达信号的分选。通过仿真实验实例以及附图来对发明效果进行说明。雷达参数信息如表I所示，根据雷达辐射源环境及信号模型的特点，选用传统雷达脉冲描述字作为表征雷达信号的特征参数，在不考虑信号脉内特征的情况下，选取3个基本参数(RF，Pff, D0A)组成特征向量，作为输入向量，根据雷达信号模型产生四类变化复杂的雷达信号，并加入了干扰噪声，生成交叠脉冲仿真数据。根据表I中的雷达参数首先生成4部雷达的信号数据，作为训练数据，然后再次按照上述参数生成一次数据作为待分选识别的雷达信号样本，且训练数据和待分选识别的雷达信号样本都存在有噪声影响，更符合实际情况。表I雷达参数信息表
权利要求
1.一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征是它由以下步骤实现步骤一、选择能够标准化的雷达信号的特征参数作为输入特征向量，并初始化雷达信号样本参数空间；步骤二、将步骤一所述的雷达信号样本参数空间中的具有参数先验信息的雷达信号通过覆盖算法进行有监督的学习，即用几何覆盖的形式来描述雷达信号样本参数的分布特占.步骤三、利用覆盖算法将步骤二中的不同类别的雷达信号用不同的领域分隔开，完成对雷达信号的学习；步骤四、采用云模型来表述每个待分选识别雷达信号的特征参数相对于步骤三中每个领域的隶属程度，获得该待分选识别雷达信号相对于步骤三中每个领域的隶属程度的隶属值；步骤五、根据步骤四获得的该待分选识别雷达信号相对于步骤三中每个领域的隶属程度的隶属值，采用判决准则对待测信号进行分选，完成复杂密集环境下雷达辐射源信号覆盖分选。
2.根据权利要求I所述的一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征在于步骤一中的能够标准化的雷达信号的特征参数为传统脉冲描述字参数或脉内特征参数。
3.根据权利要求I所述的一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征在于步骤二中所述的具有参数先验信息的雷达信号是通过侦察的方式获得的。
4.根据权利要求I所述的一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征在于步骤三中所述利用覆盖算法将步骤二中的不同类别的雷达信号用不同的领域分隔开， 其原则是每个覆盖领域下只包含一类雷达信号，一类雷达信号能够由多个不同的覆盖领域组成。
5.根据权利要求I所述的一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征在于步骤四中云模型是在传统模糊集理论和概率统计的基础上提出的定性定量不确定性转变模型。
6.根据权利要求I所述的一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征在于步骤四中采用云模型来表述每个待分选识别雷达信号的特征参数相对于步骤三中每个领域的隶属程度的具体方法是将覆盖雷达信号的每个领域视为云模型中所指的定性概念，然后通过各个领域确定云模型所需要的参数，从而实现用云模型描述待分选识别雷达信号每个特征参数相对于每个领域的隶属程度。
7.根据权利要求I所述的一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征在于步骤二中所述的将步骤一所述的雷达信号样本参数空间中的具有参数先验信息的雷达信号通过覆盖算法进行有监督的学习，即用几何覆盖的形式来描述雷达信号样本参数的分布特点的具体方法是步骤A、预处理，根据覆盖算法首先要将雷达信号特征参数向高一维球投影，假设所有将要进行学习的雷达信号特征为集合D，通过以下公式 f(x) = (X，(R2-Ixl2)172)(I)将所有要学习的雷达信号样本都投影到以原点为中心，半径为R的球面上，其中，f (X) 表示投影函数，X表示特征参数向量，R表示球半径，R彡max {IXI}, X e D,半径R大于学习样本中特征输入向量的最大模；步骤B、在雷达信号训练样本中任取某一未学习的点χλ，将其设为中心，然后根据公式，
8.根据权利要求I所述的一种复杂密集环境下雷达辐射源信号覆盖分选方法，其特征在于步骤四中所述采用云模型来表述每个待分选识别雷达信号的特征参数相对于步骤三中每个领域的隶属程度，获得该待分选识别雷达信号相对于步骤三中每个领域的隶属程度的隶属值的具体方法是步骤I)、将每个领域看作是一个定性概念，然后对每个领域进行云模型的建立，即对 Ex, En, He三个参数进行选取，选取方法为利用由训练得到的领域信息结合基于拟合的逆云算法进行三个参数的选择，操作步骤为步骤11)通过训练获得每个领域的中心及其半径，将每个领域的中心视为期望值Exi,则
全文摘要
一种复杂密集环境下雷达辐射源信号覆盖分选方法，涉及一种雷达辐射源信号覆盖分选方法，它是为了解决目前在复杂密集环境及特征参数交叠严重情况下的雷达信号分选能力差问题。其方法选择能够标准化的雷达信号的特征参数作为输入特征向量，并初始化雷达信号样本参数空间；将雷达信号样本参数空间中的具有参数先验信息的雷达信号通过覆盖算法进行有监督的学习；利用覆盖算法将不同类别的雷达信号用不同的领域分隔开；采用云模型来表述每个待分选识别雷达信号的特征参数相对于每个领域的隶属程度，获得该待分选识别雷达信号相对于每个领域的隶属程度的隶属值；采用判决准则对待测信号进行分选。本发明适用于雷达辐射源信号的分选。
文档编号G01S7/02GK102590791SQ20121000595
公开日2012年7月18日 申请日期2012年1月10日 优先权日2012年1月10日
发明者万建, 刁元鹏, 国强, 杨多, 高海波 申请人:哈尔滨工程大学