灰色关联理论在辐射源识别中的应用

灰色关联理论在辐射源识别中的应用 系 统 仿 真 学 报? Vol. 21 No. 24 第 21 卷第 24 期 2009 年 12 月 Dec., 2009 Journal of System Simulation 灰色关联理论在辐射源识别中的应用 李 楠，曲长文，苏 峰，平殿发 (海军航空工程学院，烟台 264001) 摘 要:针对复杂战场电磁环境中辐射源目标识别难的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ，提出了一种基于灰色关联理论的辐 射源识别 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 。该方法首先提取辐射源信号的特征参数，同时选取灰色关联分析中的比较数列和 参考数列;其次定义辐射源数据库为识别框架并计算各传感器基本概率赋值;最后进行证据组合 与决策实现目标识别。最终的应用举例及对比实验验证了该方法的有效性。 关键词:多传感器数 据融合;辐射源识别;灰色关联;证据组合 中图分类号:TN911.7 文献标识码:A 文章编号:1004-731X (2009) 24-7896-03 Application of Gray Association Theory in Emitter Recognition LI Nan, QU Chang-wen, SU Feng, PING Dian-fa (Naval Aeronautical and Astronautical University, Yantai 264001, China) Abstract: In the light of emitter recognition problem in modern complex electromagnetism signal environments, a recognition approach based on gray association theory was proposed. First, feature parameters of emitter signal was extracted, and comparing vector and reference point in gray association analysis were selected simultaneously. Second, emitter database was regard as recognition frame and basic probability assignment was calculated by gray association analysis in each sensor. In the end, evidences are combined by evidence theory from multi-sensor sources and emitter recognition was completed with decision-making. Finally, application example and contrast experiment all show that the proposed method is effective in emitter recognition. Key wards: multi-sensor data fusion; emitter recognition; gray association; evidence combination [5-6] 析方法得到了大量研究。由于灰关联分析是按发展趋势 引 言作分析，对样本量大小没有太高要求，分析时也不需要典型 的分布规律，且分析结果一般与定性分析吻合。因而采用灰 当代电子对抗信号环境日益复杂、密集，就雷达对抗信 关联分析方法对现有少量侦察数据进行综合分析，可为实 号环境，信号密度每秒多达 20~100 万个以上的脉冲信号， 时、准确地进行辐射源识别提供理论基础和数学依据。本文 频域范围从几兆至几万兆赫兹，雷达体制复杂、多变，各种 将灰色关联理论用于辐射源目标识别中，获得了基本概率赋 新体制雷达层出不穷，这对战争胜利构成严重的威胁。为了 值，在此基础上进行多传感器信息融合，仿真结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明灰色 取得最佳作战效果，辐射源目标识别就显得尤为重要。 关联理论用于基本概率赋值获取是有效的。 Dudczyk 将基于知识的推理模型用于辐射源数据库的设计 [1]中，取得了较好的识别结果;Kenneth 研究了特定辐射源 [2]识别的问题，给辐射源识别指出了一个重要的发展方向; 1 灰色关联理论及证据组合规则 Kawalec 利用脉内数据进行雷达辐射源识别，成为了识别新 [3]体制雷达的一种有效方法;Abdulnasir Hossen 用统计信号 1.1 灰色关联理论分析 特征和神经网络研究调制信号的分类，从而实现辐射源的识 灰色关联是系统各因素之间的不确定性关联。关联分析 [4]别，基于神经网络的信号识别成为了广泛研究的热点。由 主要是根据因素之间态势的相似或相异程度来测量因素间 于辐射源识别是电子对抗中的关键技术，出于保密的需要， 接近的程度。进行灰色关联分析必须确定描述各因素特征的 国外相关的公开文献不多。 量化数据列，也即表征因素行为特征的映射量。这种数据列 国内对于辐射源的识别，主要是采用模版匹配的数据库可用(1)式表示。 查询方法，对于新体制辐射源识别能力有限。近来灰关联分 设 X 为第 i 个因素特征映射量的数据序列: i (1) X = {X (k ) | k = 1, 2, , n} i i 式中 k 为参加灰色关联分析的因素映射量序号， X 为第 k i 个因素的第 i 个特征映射量。 收稿日期:2008-07-21 修回日期:2008-09-23 作者简介:李楠(1979-), 男, 陕西西安人, 博士生, 研究方向为目标识 设 X = {X (k ) | k = 1, 2, , n} 为参考数列(母数列)， 0 0 别、信号处理等;曲长文(1963-), 男, 山东济南人, 博士, 教授, 博导, 研 究 方向为雷达信号处理、信息对抗等;苏峰(1977-), 男, 山东泰安人, 讲 师, X = {X (k ) | k = 1, 2, , n;i = 1, 2, , m} 为比较数列(子数列)， i i 研究方向为雷达信号检测、人工智能等;平殿发(1965-), 男, 山东沾 有如下定义，记: 化人, 副教授, 硕导, 研究方向为电子对抗等。 • 7896 • 第 21 卷第 24 期 Vol. 21 No. 24 李楠，等:灰色关联理论在辐射源识别中的应用 2009 年 12 月Dec., 2009 ?(k ) = X (k ) ? X i 0 i 2 基于灰色关联的辐射源识别步骤 (k ) (k ) 与 X (k ) 的关联系数为: 则 X i 0 辐射源目标识别是通过对被识别辐射源辐射的信号特征 min min ?(k ) + ρ max max ?(k ) i i i k i k (2) ξ(k ) = i 参数的观测和提取，采用一定算法与辐射源数据库中各个已 ?(k ) + ρ max max ?(k ) i i i k 知辐射源信号特征参数进行比较来确定被识别辐射源类型。 ?(k) 称为 X 与 X 第 k 个指标的绝对差。min min ?(k ) i 0 i i i k 本文基于灰色关联理论辐射源目标识别模型如图 1 所示。 为两级最小差，其中 min ?(k ) 表示在 X 轴线上各相应点距 i i 离的最小值; min(min ?(k )) 表示在各曲线中找出的最小差 i 传 预 感 灰关联分析处 min ?(k ) 的基础上，再按 找出所有曲线最小差 i = 1,2, , m i 器 理 1DS 判 的最小差。 max max ?(k ) 称为两级最大差，意义同两级最 组 i 决 辐射源数据库 ...合 规小差相似。称为分辨系数。ρ 越小，分辨力越ρ ? (0,+?) ... 规 则 大。 一般 ρ 取值范围为，更一般地取 ρ ， [0,1] ρ = 0.5 则 传 预 的具体取 感 处 器 灰关联分析 理值视具体情况而定。由以上可求出 X (k ) 与 X (k ) 关联系数:n i 0 识别结果ξ= {ξ(k ) | k = 1,2, , n} i i 辐射源数据库 通过分析，分辨系数 ρ 对 ξ的影响主要有下面几点:i 图 1 基于灰关联分析的辐射源目标识别模型 ρ 能调节 ξ的大小，且能控制 ξ的变化区间;当 ρ ? 识别步骤如下:i i (1) 特征参数选取、灰关联分析中的比较数列与参考数 0.5463 列的选择。这里选取脉宽、脉冲间隔、脉冲上升沿、脉冲载 时，较易观察关联度分辨力的变化;当 时，不能ρ ? +? 频作为特征参数。选取传感器的观测数据即待识别的辐射源 进 信号为参考数列，辐射源数据库中型号数据为比较数列。 n 行关联度分析，此时对所有 i 和 k 有 ξ(k ) ? 1 i (3) γ = ξ(2) 定义识别框架 i i ?1 。 k =1 设识别框架 U 为辐射源数据库中所有辐射源型号， (k ) 实际上，人们对某些指标有所偏爱，即认为某些指标更 采用灰关联度来比较n。灰色关联度常记作 γ = γ ( X , X i 0 ， 为数据库中辐射源型号。 U = {R, R, , R} R(i = 1, 2, , N ) 1 2 N i 重要，所以需作非平权处理。 (3) 计算各传感器基本概率赋值 由(2)式计算出关联系，) i 数，再由(4)式计算出灰关联度， 假设各指标重要性有差别，按重要性大小赋予相应权值 灰色关联度平均值法计算式如下: n，，则加权关联度为:且 a(k ), k = 1,2, , n a(k ) ?0 a(k ) = 1 ? k =1 分别为 。基本概率赋值选取如(6)式，其中γ (i = 1,2, , N ) i n (4) γ = ξ表示未知的基本概率赋值。 m(U ) i i ?k =1 m(U ) = 1 ? max(γ = 1, 2, , N )( j ? (k )a(k ) 通常关联度的大小会因数据处理方法不同而变化，但关)γ [1 ?m (U)]? j i (6) m( R) == 1, 2, , N )(i i ? N 联序一般不变，关联序是系统中因子间相互影响的实质表现。 ? γ j ? ??j =1 1.2 证据组合规则 (4) 证据组合 不同传感器进行信息融合时，各个传感器证据支持度不 由 Dempster 组合规则(5)式计算出融合后证据的基本概 同，故而各证据基本概率赋值也不同。证据理论中的组合规 率赋值。 则提供了组合两个证据的规则。 (5) 决策 采用如下的基本概率赋值决策方案进行最终U 设 m和 m是 上的两个相互独立的基本概率赋值， 21 2 的辐射源 和 是同一识别框架上的两个信任函数，焦元分 BelBelU 识别，给出识别结果。设 ?A, A? U ，满足 1 2 1 2 别为 A, , A和 B, , B，又设 K= m( A)m(B) < 1 ， 1 k 1 r 1 1 i 2 j ? m ( A) = max{m ( A), A? U } i , j 1 i i A?B i j m ( A) = max{m ( A), A? U , A? A} 2 i i i 1 那么有: 若有: m ( A) ? m ( A) > ε ?1 2 1 ? m( A)m( B ) 1 i 2 j ? ? i , j ? m (U ) < ε ?? A? B=C (5) i j m(C ) = ?C ? U C ? ? ? m ( A) > m (U )21 ? K1 1? ? ? ?0 = ?C ? 则 A 为决策结果， 为预先设定的门ε ,ε 1 2 1 则利用 Dempster 组合规则(5)式可计算出融合后证据的基本 限。 3 应用举例 概率赋值，根据一定决策规则选择支持度最大假设，判决为 [7-9]最终辐射源目标识别结果。 设辐射源数据库中有 4 个辐射源型号数据如表 1，识别 第 21 卷第 24 期 Vol. 21 No. 24 2009 年 12 月系 统 仿真 学 报Dec., 2009 灰关联证据组合进行对比识别测试。识别结果如表 5 所示(1 框架。假设有 3 个传感器，设由传感器 1U = {R, R, R, R} 1 2 3 4 表示单传感器，3 表示三个传感器)，分析实验结果可得，随 得到的参考数列为 ，比较数列为辐射源X = {16, 29,1.9, 40.5} 0 着信噪比增大，单传感器识别率和采用三传感器灰关联证据 数据库中各辐射源数据。则由式(2)可计算出关联系数矩阵 组合识别率均增加;随着噪声增加，单传感器识别率下降较 ξ(k ) ，假设脉宽、脉冲间隔、脉冲上升沿、脉冲载频权重 i 分别为 0.4，0.3，0.2，0.1，再由式(4)可求出传感器 1 的灰 快，而三传感器识别率下降较慢，这说明在低信噪比条件下， 本文提出的灰关联多传感器证据组合方法有较高识别率。关联度 i 将本文的实验结果同经典的模版匹配法进行对比，如表 0.86150.93331 0.8615 ??γ 。 ?? 6 所示，从表 6 可见本文方法在不同信噪比条件下辐射源识 0.4870 0.8485 0.58950.5600 ?? ξ (k ) = i 别率均优于模版匹配法，这充分说明了本文方法的合理性和 ??0.3394 0.7368 0.74670.4667 ?? 有效性。 0.5895 0.6512 0.48700.8000? ? T γ = [0.8964 0.6076 0.5945 0.5819] i 本文方法同模版匹配法的比较表 6 表 1 辐射源信号数据库 1 3 7 信噪比(dB) 辐射源类型 脉宽 脉冲间隔 脉冲上升沿 脉冲载频 57.5% 71% 86% 模版匹配法R1 15 30 2 40 80.5% 91.3% 99.8% 本文方法R2 12 35 3 36 R3 18 40 4 34 4 结论 R4 10 25 5 42 基本概率赋值获取是实际应用中面临的一个难题，本文 对于某个辐射源信号，通过灰关联分析计算出 3 个传感 提出了基于灰关联分析的基本概率赋值构造法，通过计算加 器的灰关联度如表 2 所示。 权灰关联度给出各传感器基本概率赋值，并转化为证据组合 表 2 各传感器灰关联度 中的基本概率赋值。对比实验表明所提方法是合理的，具有 传感器R1 R2 R3 R4 实用价值。 1 0.9 0.6 0.5 0.4 2 0.8 0.7 0.2 0.1 参考文献: 3 0.8 0.5 0.3 0.2 Dudczyk J, Matuszewski J, Wnuk M. Applying the Radiated [1] 再由式(6)确定各基本概率赋值如表 3 所示。 Emission to the Specific Emitter Identification [C]// Proceedings of 各传感器确定的基本概率赋值表 3 15th International Conference on Microwaves, Radar and Wireless 传感器R1 R2 R3 R4 U Communications. Warsaw, Poland: Academic Press, 2004, 2: 1 0.34 0.23 0.19 0.14 0.1 431-434. 2 0.36 0.31 0.09 0.04 0.2 3 0.36 0.22 0.13 0.09 0.2 Kenneth I Talbot, Paul R Duley, Martin H Hyatt. Specific Emitter [2] Identification and Verification [N]. Technology Review Journal 将传感器 1 和传感器 2 进行融合，再将结果与传感器 3 Spring/Summer, 2003. 进行融合得到最终基本概率赋值如表 4 所示。通过融合，不 Kawalec A, Owczarek R. Radar Emitter Recognition Using [3] Intrapulse Data [C]// Proceedings of 14th International Conference on 确定性基本概率赋值得到下降。采用步骤(5)进行决策，取门 Microwaves, Radar and Wireless Communications. Amsterdam, The 限 ε= 0.1 ， ε= 0.1 ，则识别结果为 R1。 1 2 Netherland: Academic Press, 2004, 2: 249-252. 表 4 各传感器融合后的结果 Abdulnasir Hossen, Fakhri Al-Wadahi, Joseph A Jervase. [4] R1 R2 R3 R4 U Classification of Modulation Signals Using Statistical Signal m0.4561 0.2988 0.1291 0.0757 0.0403 1?2 Characterization and Artificial Neural Networks [J]. Engineering 0.55 0.28 0.10 0.05 0.02 m 1?2?3 Applications of Artificial Intelligence (S0952-1976), 2007, 20: 表 5 单传感器和三传感器实验结果对比 463-472. 郭利民, 姜青山, 陈新福. 基于灰色关联理论的要地防空威胁评 识别率(%) 1 个和 3 个传感器不 [5] 估模型[J]. 海军航空工程学院学报, 2005, 20(1): 189-190. 同信噪比R1 R2 R3 R4 王杰贵, 靳学明, 罗景青. 基于 ESM 与 ELINT 信息融合的机载辐 1 54.5 52.5 68.5 77 [6] SNR=1dB 射源识别[J]. 电子学报, 2006, 34(3): 424-428. 3 79 68 87 88 俞志富, 吕久明罗, 景青基. 于时间融合的雷达辐射源自动识别 1 65.5 64.5 78.5 87 方法[J]. 火力与指挥控制, 2008, 33(3): 24-27. SNR=7dB [7] 3 87 86 95 97 沈阳, 陈永光, 李修和. 雷达辐射源识别的多元信息融合算法研 1 86.5 87 95.5 97.5 SNR=16dB 究[J]. 电子与信息学报, 2007, 29(10): 2329-2332. [8] 3 100 99 100 100 梁旭荣, 姚佩阳, 储萍. 一种基于 ESM 和红外传感器决策层信息 融合的目标识别方法[J]. 传感技术学报, 2008, 21(1): 66-69. 采用表 1 中的 4 种辐射源型号数据，分别对 4 类辐射源 [9] 特征量加上正态分布噪声。在不同噪声环境下，分别产生 200 个辐射源信号数据进行实验，用单传感器灰关联和三传感器 • 7898 •