一種基于動態(tài)規(guī)劃的雷達合批新算法*

關一夫,張國毅,王曉峰

(1.空軍航空大學,長春130022;2.海軍航空工程學院,山東煙臺264001)

一種基于動態(tài)規(guī)劃的雷達合批新算法*

關一夫1,**,張國毅1,王曉峰2

(1.空軍航空大學,長春130022;2.海軍航空工程學院,山東煙臺264001)

針對信號分選結果增批現(xiàn)象嚴重、影響識別準確度的問題,通過分析實際偵收信號的特點,并借鑒生物信息學中動態(tài)規(guī)劃比對算法的思想,提出了對脈沖重復周期(PRI)信號在載頻維和脈寬維進行合批的方法,并結合該方法設計了動態(tài)合批處理流程。該算法通過比較兩批數(shù)據(jù)在PRI值及其排列順序上的相似性來進行合批,利用PRI周期性這一很穩(wěn)定的特征較好地解決了批信號在載頻和脈寬維上的增批問題。仿真結果表明,該算法在存在脈沖丟失和干擾脈沖的情況下仍能準確合批。

雷達輻射源;合批;PRI周期性;動態(tài)規(guī)劃比對

1 引 言

雷達信號合批是輻射源識別處理中的重要環(huán)節(jié),它可以有效地消除虛假和重復雷達信號[1]。偵察接收機接收到的脈沖將通過分選算法基于測量參數(shù)分成若干批數(shù)據(jù),這些批數(shù)據(jù)將與雷達數(shù)據(jù)庫中已知雷達的對應參數(shù)進行匹配以給出這些批數(shù)據(jù)的輻射源類型、用途等信息,并為下一步指揮決策提供依據(jù)。如果批數(shù)據(jù)存在增批的現(xiàn)象,那么識別過程將給出一些錯誤的雷達識別結果,對這些錯誤的雷達采取措施將浪費資源[2]。

所謂雷達增批,可以理解成在雷達分選處理中分選得到的雷達數(shù)目大于實際存在的雷達數(shù)目[3]。很多因素可以導致雷達分選出現(xiàn)增批現(xiàn)象:比如在復雜體制雷達的工作模式中載頻、脈寬、重頻等具有較復雜的樣式使現(xiàn)有算法對其分選應用具有局限性,脈沖大量丟失破壞了原有脈沖間的規(guī)律及環(huán)境因素的影響等。本文主要解決的是由第一種原因造成的增批問題。

雷達輻射源為實現(xiàn)高分辨探測、動目標顯示以及成像功能,運用了更為復雜的波形;同時為了滿足抗干擾、反偵察的需求,其輻射波形在載頻(RF)、脈寬(PW)和脈沖重復周期(PRI)上變得復雜多變:載頻維有脈組頻率捷變、脈間頻率捷變、頻率偽隨機編碼和頻率分集等樣式;脈寬維有組變、較大范圍的單調漸變、編碼和雙脈沖等樣式;脈沖間隔維有參差、組變、滑變、抖動和編碼等樣式[4-7]。目前的分選算法無法很好地適應RF、PW和PRI存在的如此復雜的變化樣式,同時這些復雜的信號樣式也給電子情報偵察數(shù)據(jù)的分析增加了難度[8-9]?，F(xiàn)有合批算法的思路主要是利用各批數(shù)據(jù)間特征參數(shù)的統(tǒng)計特性,如隸屬度[10],這種方法的局限性在于:對于脈組捷變同時在重復周期上脈組參差的典型雷達樣式將無能為力。

在對批數(shù)據(jù)進行人工分析時發(fā)現(xiàn),盡管PRI的調制樣式呈現(xiàn)出多樣和復雜的特點[11],但是對于PRI周期性調制信號,除了各子PRI值外,一個幀周期內各子PRI值的排列順序能夠提供很有價值的分類信息,而且這一特征即便在較短的觀察時間內仍具有很好的穩(wěn)定性。當一個幀周期內各個PRI值的排列很復雜時,其規(guī)律很難被發(fā)現(xiàn)而且很難找到一個合適的模型來對其進行描述,但是如果對這種信號進行長時間的觀察,提取較長的數(shù)據(jù)段來對這個信號進行跟蹤,仍可以發(fā)現(xiàn)其內在規(guī)律和周期性。所以,可以利用PRI的周期性作為一個穩(wěn)定且可靠度高的特征對合批進行判定。

此外,PRI調制樣式中除了參差、組變和滑變這些具有強周期型的樣式外,還存在PRI編碼這種具有弱周期型規(guī)律的樣式,PRI編碼信號的特點是碼值為固定的幾個數(shù),各個碼值出現(xiàn)的順序不像強周期型樣式那樣可以預測,但是在人工分析時仍能較容易地將其規(guī)律挖掘出來,只是在脈沖丟失嚴重的情況下若不仔細分析其數(shù)據(jù)容易將其判為參差類型。第五部分的仿真將說明該算法對于PRI編碼這種弱周期型的信號具有較好的適應性。

2 對PRI周期信號的合批算法

2.1 分選算法的選擇

該合批算法需要各個批數(shù)據(jù)中能夠保留較完整的PRI周期性,即不會因為信號中PRI的多值性而造成增批。本文假設分選算法為脈沖累積抽取的改進算法[12],該算法能夠對PRI參差、組變、滑變等PRI周期調制信號進行分選。在這種條件下我們得到的批數(shù)據(jù)中存在的增批絕大部分是由RF、PW維所存在的多值性引起的。

2.2 合批算法原理

借鑒生物信息學中基因序列配對的經典算法——動態(tài)規(guī)劃比對算法[13]的主要思想,結合增批問題的特點設計打分矩陣和部分得分矩陣,并將回溯路徑所經過的各個點的分值相加,作為判定合批與否的依據(jù)。該算法的原始算法Needleman-Wunsch算法對于長序列需要建立巨大的打分矩陣和部分得分矩陣,并且在回溯的時候很費時,其時間復雜度和空間復雜度均為O(n2)(n為序列長度),這就限制了其在實際中的應用。后來人們提出了改善其時間、空間復雜度的算法,典型的有Hirschberg算法、Ukkonen算法和Divide-and-Conquer算法。其中Divide-and-Conquer算法的時間和空間復雜度分別為O(n lbd+d2)和O(d)(d為兩條序列的得分值),在實際中有較好的應用。關于上述算法的原理可參考文獻[14],在此不再贅述。

本文利用動態(tài)規(guī)劃的思想,設計了對PRI周期信號的合批算法,步驟如下所述。

步驟1:從批數(shù)據(jù)中選取用于判定的樣本序列

由于批數(shù)據(jù)中存在大量的數(shù)據(jù)冗余,在選取用于判定的樣本序列時,其實只要選取能夠完整描述一個幀周期內結構的幾個典型脈沖就夠了,例如三參差信號,只要選出具有PRI三參差值的脈沖能夠用于進行合批判定,至于這三參差值的排列順序下文中的仿真會證明該算法對排列順序有很強的適應性,不影響判定結果。然而在批數(shù)據(jù)中不容易對各種PRI周期調制信號都準確提取出典型脈沖,而且事實上也沒有這個必要,后面將證明更多的脈沖會使算法對脈沖丟失、干擾脈沖具有更強的適應性。

具體的選取樣本序列的方法還需進一步研究,目前只是綜合考慮序列的完整性、算法對復雜電磁環(huán)境的適應性以及算法的計算量粗略地選取。單從運算量上來說,該算法的改進算法對于長度為10 000以上的序列具有較快的處理速度[14]。

步驟2:計算部分得分矩陣M

設從批數(shù)據(jù)1和批數(shù)據(jù)2提取出的樣本序列分別為e1和e2,兩序列的長度分別為n1和n2,則M是一個(n1+1)×(n2+1)的矩陣。首先按照空位得分規(guī)則[14]初始化M的第一行和第一列,然后從m22開始,按式(1)計算mij:

其中,p(S1i,S2j)表示將M第i行對應序列e1中的元素值與M第j列對應e2中的元素值進行匹配,如果兩個數(shù)值在預先設定的匹配容差σ范圍內則匹配結果為1,否則結果為-1。

步驟3:回溯并進行合批判定

回溯是從m(n1+1)(n2+1)開始,沿向左、向上或向左上3個方向,移動到m11的過程。當回溯到mij后,從m(i-1)j、mi(j-1)和m(i-1)(j-1)3個選項中選擇滿足式(1)的位置繼續(xù)前進,直到回溯到m11。

完成回溯后,對回溯路徑上各元素的分值求和,若該和值超過合批判定門限η則將兩批數(shù)據(jù)進行合批,否則不進行合批。

2.3 動態(tài)合批處理流程

在偵察裝備的一個偵察周期[15]中會給出該偵察周期以及之前各周期數(shù)據(jù)的批數(shù)據(jù)結果,隨著偵察周期的延續(xù),對于每一個偵察周期給出的結果,在新生成的各批數(shù)據(jù)內部進行合批處理,然后再與原來生成的批數(shù)據(jù)進行合批處理,直到下一個偵察周期的數(shù)據(jù)到來。在對偵察周期新生成的批數(shù)據(jù)進行合批時,為了改善其處理的實時性,可采用如下的處理方法:將新生成的各批數(shù)據(jù)隨機分成兩組,即組1和組2,依次從組1中選取批數(shù)據(jù)與組2的所有批數(shù)據(jù)進行合批判定,滿足合批條件的就進行合批,當組1中的批數(shù)據(jù)都處理完之后,將所有這些處理完的批數(shù)據(jù)再重新隨機分為兩組,按上述方法繼續(xù)合批,直到某個循環(huán)結束合批成功的次數(shù)小于某一門限γ或為0時,停止合批處理循環(huán)。示意圖如圖1所示。

圖1 動態(tài)合批處理示意圖Fig.1 Dynamic batching process

3 仿真結果

3.1 算法的穩(wěn)健性分析

下面先以PRI三參差為例分別對兩序列完全匹配、不匹配、存在脈沖丟失、存在干擾脈沖和序列錯位5種情況進行仿真,驗證該算法的有效性以及對后3種情況的適應性,三參差PRI值分別為PRI1、PRI2和PRI3,取兩個周期的序列長度,另一部未知雷達的PRI值分別為X1、X2、X3、X4,干擾脈沖的PRI值用U1和U2表示;然后以PRI四編碼信號為例說明該算法對PRI編碼信號的適應性,PRI編碼的4個PRI值分別用PRI_1、PRI_2、PRI_3和PRI_4表示。仿真結果如圖2～7所示。

圖2 完全匹配時的部分得分矩陣Fig.2 Partial score matrix when completely matching

圖3 不匹配時的部分得分矩陣Fig.3 Partial score matrix when not matching

圖4 存在脈沖丟失時的部分得分矩陣Fig.4 Partial score matrix with missing pulses

圖5 存在干擾脈沖時的部分得分矩陣Fig.5 Partial score matrix with interfering pulses

圖6 序列錯位時的部分得分矩陣Fig.6 Partial score matrix with disorder sequences

圖7 PRI編碼信號的部分得分矩陣Fig.7 Partial score matrix of PRI coded signal

以上6種情況下部分得分矩陣回溯路徑上各元素的總分分別為21、-21、9、5、12和5。除了圖3的情況外都是我們希望判為合批的情況,通過比較6種情況的總分可以發(fā)現(xiàn)用于判定是否合批的門限很容易設定,比如說設η為0就可以正確判定是否合批,即使是在更惡劣的電磁環(huán)境下,該門限值也是較易設定的,但是如何設計一個理論的門限值還需進一步研究。此外,提取太長的序列將使得分矩陣過于龐大,從而提高算法的時間復雜度和所需存儲空間,算法的穩(wěn)健性使得在對批數(shù)據(jù)提取樣本序列時并不需要提取很長的序列就可以進行合批判定(但并不一定能完整描述批數(shù)據(jù)在PRI上的分布特點),從而提高算法的實時性。但是下面也將看到,提取較長的序列將使合批判定結果更為準確。

3.2 長序列對合批判定結果的改善

下面將通過仿真說明如果提取的樣本序列較長、包含多個周期時,PRI的周期性優(yōu)勢將更加明顯,這實質是由于對回溯路徑上的分值求和得到的累加效果,這使得判定結果對脈沖丟失、干擾脈沖等影響的適應性更強,對不匹配的情況其分值將趨于更小的數(shù)值,而且使PRI編碼信號的弱周期性得到增強,僅以上面的PRI四編碼信號進行說明,此處PRI四編碼序列長度取為10,如圖8所示。該部分得分矩陣的總分為15,而之前序列長度為6時總分為5,可見長序列對結果的改善。

圖8 序列長度為10的PRI四編碼信號的部分得分矩陣Fig.8 Partial score matrix of PRI coded signal with the length of 10

通過上面兩個仿真可以看出,在從批數(shù)據(jù)中提取樣本序列時,需要折衷考慮算法的時間空間復雜度和合批判定的準確性,以提取出合適長度的序列;盡管算法的穩(wěn)健性使得提取批數(shù)據(jù)的部分序列就可以滿足合批判定的需求,但是除了將批數(shù)據(jù)全部作為樣本序列外,如何提取樣本序列使其能夠以較少的脈沖完整反應批數(shù)據(jù)在PRI上的分布特點還需要進一步研究。

3.3 合批結果分析

該部分取分選算法給出的10批數(shù)據(jù),其中各批數(shù)據(jù)在RF、PW和PRI維的代表值(容差為1時的均值)在表1中給出,用本文的合批算法對其進行合批,合批結果在表2中給出。

表1 原始批數(shù)據(jù)Table 1 Original batch data

表2 合批后的批數(shù)據(jù)Table 2 Data after batching process

取匹配容差為1 μs,合批門限為0,按第三部分的合批方法和流程進行合批。合批后的數(shù)據(jù)第一批為PRI參差、RF捷變(帶寬為10 MHz)、PW固定的信號形式,第二批為PRI組變、RF固定、雙脈寬信號形式,第三批為PRI編碼、RF固定、PW固定的信號形式,合批結果與實際情況相符。

4 結論與展望

本文借鑒生物信息學中動態(tài)規(guī)劃的思想提出了一種對PRI周期信號的合批算法,通過討論與仿真分析可看出,對于增批形成的多批數(shù)據(jù),提取出樣本序列之后,利用PRI的周期性以及本文算法對周期特性的累積效果,可以較好地適應脈沖丟失、干擾脈沖、序列錯位的情況以及PRI編碼的信號形式;對于批數(shù)據(jù)不匹配的情況,累加效果可使其部分得分矩陣總分為很小的負值,故而可以準確地對合批進行判定。在復雜的電磁環(huán)境下,由于干擾脈沖不具有周期性,當選取的觀察時間較長時,通過該算法對PRI周期信號的累積效果,其合批判定的準確度將更高。

下一步還需要進一步研究的問題主要有合批門限的設定和用于合批判定的樣本序列的選取。

[1] Wiley R G.ELINT:The Interception and Analysis of Radar Signals[M].Norwood,MA:Artech House,2006: 214-219.

[2] Hassan H E.Deinterleaving of Radar Pulses in a Dense Emitter Environment[C]//Proceedings of 2003 International Radar Conference.Huntsville,Canada:IEEE,2003: 389-393.

[3] 孫鑫,侯慧群,楊承志.基于新的特征向量和Kalman的復雜體制雷達合批算法[J].雷達與對抗,2010,30 (3):18-21. SUN Xin,HOU Hui-qun,YANG Cheng-zhi.A Batching Algorithm Based on New Eigenvectors and Kalman for Radars with Complicated System[J].Radar&ECM, 2010,30(3):18-21.(in Chinese)

[4] Ray P S.A Novel Pulse TOA Analysis Technique for Radar Identification[J].IEEE Transactions on Aerospace and Electronic Systems,1998,34(3):716-721.

[5] Hassan H E,Chan F,Chan Y T.Queuing Analysis of the Deinterleaving of Radar Pulses in a Dense Emitter Environment[C]//Proceedings of 2003 Canadian Conference on Electrical and Computer Engineering.Montreal,Canada:IEEE,2003:2015-2020.

[6] Banasiak K,Pieniezny A.SACD Algorithm of Pulse Stream Analysis[C]//Proceedings of 17th International Conference on Microwave,Radar and Wireless Communication.Wroclaw:IEEE,2007:1-4.

[7] 黃淵凌,鄭輝,萬堅.特定輻射源識別的信息論描述[J].西安電子科技大學學報,2012,39(6):125-130. HUANG Yuan-ling,ZHENG Hui,WAN Jian.Information Theory Description of Specific Emitter Identification [J].Journal of Xidian University,2012,39(6):125-130.(in Chinese)

[8] Ware P J,McDowall J B.The Application of Pulse Analyser in Passive Sensor Systems[C]//Proceedings of 28th European Microwave Conference.Amsterdam,Netherlands:IEEE,1998:560-565.

[9] Ahmadi M,Mohamedpour K.A New Method for Recognizing Pulse Repetition Interval Modulation[C]//Proceedings of 2009 International Conference on Signal Processing Systems.Singapore:IEEE,2009:146-151.

[10] 張國柱,黃可生,姜文利,等.電子對抗系統(tǒng)中雷達情報綜合技術研究[J].國防科技大學學報,2005,27 (4):81-84. ZHANG Guo-zhu,HUANG Ke-sheng,JIANG Wen-li,et al.Radar Association Algorithm in the Electronic Counter System[J].Journal of National University of Defense Technology,2005,27(4):81-84.(in Chinese)

[11] Latombe G,Granger E,Dilkes F A.Fast Learning of Grammar Production Probabilities in Radar Electronic Support[J].IEEE Transaction on Aerospace and Electronic Systems,2011,46(3):1262-1287.

[12] 王曉峰.雷達信號快速分選算法研究[D].長春:空軍航空大學,2011. WANG Xiao-feng.Research on Fast Sorting Algorithm for Radar Signal[D].Changchun:Aviation University of Air Force,2011.(in Chinese)

[13] 馬爽,王瑩桂,柳征,等.基于序列比對的多功能雷達搜索規(guī)律識別方法[J].電子學報,2012,40(7): 1435-1439. MA Shuang,WANG Ying-gui,LIU Zheng,et al.A method for Search Scheme Recognition of Multifunction Radars Based on Sequence Alignment[J].Acta Electronica Sinica,2012,40(7):1435-1439.(in Chinese)

[14] 唐玉榮.生物信息學中的序列比對算法研究[D].北京:中國農業(yè)大學,2004. TANG Yu-rong.Research on Sequence Alignmeat Algorithm in Bioinformatics[D].Beijing:China Agricultural University,2004.(in Chinese)

[15] 沈陽,陳永光,李修和.雷達輻射源識別的多元信息融合算法研究[J].電子與信息學報,2007,29(10): 2329-2332.SHEN Yang,CHEN Yong-guang,LI Xiu-he.Muftidata Fusion Algorithm for Radar Emitter Identification [J].Journal of Electronics&Information Technology, 2007,29(10):2329-2332.(in Chinese)

GUAN Yi-fu was born in Harbin,Heilongjiang Province,in 1988.He is now a graduate student.His research concerns radar emitter recognition.

Email:guanyifu9@sina.cn

張國毅(1965—),男,吉林長春人,2002年于哈爾濱工業(yè)大學獲通信與信息系統(tǒng)專業(yè)博士學位,現(xiàn)為教授、博士生導師,主要從事雷達信號分選算法、雷達輻射源識別、脈內識別等研究;

ZHANG Guo-yi was born in Changchun,Jilin Province,in 1965.He received the Ph.D.degree from Harbin Industry University in 2002.He is now a professor and also the Ph.D.supervisor.His research concerns radar signal sorting,radar emitter recognition,intra-pulse recognition,etc.

王曉峰(1987—),男,河北隆化人,2011年于空軍航空大學獲軍事情報學專業(yè)碩士學位,現(xiàn)為海軍航空工程學院博士研究生,主要研究方向為雷達信號分選與雷達輻射源識別、脈內識別。

WANG Xiao-feng was born in Longhua,Hebei Province,in 1987.He received the M.S.degree from Aviation University of Air Force in 1987.He is currently working toward the Ph.D.degree.His research concerns radar signal sorting,radar emitter recognition and intra-pulse recognition.

A New Radar Batching Algorithm Based on Dynamic Programming

GUAN Yi-fu1,ZHANG Guo-yi1,WANG Xiao-feng2
(1.Aviation University of Air Force,Changchun 130022,China; 2.Naval Aeronautical and Astronautical University,Yantai 264001,China)

Given the fact that the results of the signal sorting have some false batches,which seriously affects the accuracy of the recognition process,by analyzing the characteristics of the

pulses,and learning dynamic programming alignment algorithm in bioinformatics,this paper puts forward a batching algorithm using the periodic characteristics of pulse repetition interval(PRI)to solve the problem appearing especially at the carrier frequency dimension and pulse width dimension,and in combination with the method this paper designs a dynamic batching processes.By comparing the similarities of two batches of data both in the values of PRI and its sequence order,it determines whether to batch or not.Simulation results show that the algorithm can work robustly even in the presence of missing pulses and interference pulses.

radar emitter;batching;PRI period;dynamic programming alignment

TN971

A

1001-893X(2013)11-1446-06

關一夫(1988—),男,黑龍江哈爾濱人,空軍航空大學碩士研究生,主要研究方向為雷達輻射源識別;

10.3969/j.issn.1001-893x.2013.11.009

2013-07-11;

2013-09-25 Received date:2013-07-11;Revised date:2013-09-25

**通訊作者:guanyifu9@sina.cn Corresponding author:guanyifu9@sina.cn