一種基于方向特性識(shí)別電磁輻射源的新方法

石 丹 劉 卓 劉 茂 畢軍建 譚志良 高攸綱

（1.北京郵電大學(xué)電子工程學(xué)院，北京100876；2.中國人民解放軍械工程學(xué)院，河北 石家莊050003；3.中國人民解放軍95866部隊(duì)，河北 保定，071051）

引 言

電磁輻射源的區(qū)分識(shí)別在現(xiàn)實(shí)中有著重要的應(yīng)用，例如現(xiàn)代電子偵察中基于電磁信號(hào)的雷達(dá)輻射源的識(shí)別，以及通過檢測(cè)電磁干擾源對(duì)系統(tǒng)進(jìn)行電磁兼容優(yōu)化設(shè)計(jì)等.目前廣泛采用的方法是根據(jù)不同輻射源的特性參數(shù)進(jìn)行區(qū)分，例如頻率、脈沖寬度及來波方向等［1-5］.而方向性作為一種獨(dú)特的特性參數(shù)，目前還沒有文獻(xiàn)利用其來識(shí)別輻射源.實(shí)際中的輻射源方向性雖然比較復(fù)雜，但通?？梢杂靡阎奶炀€模型來簡(jiǎn)化等效或者通過組合來近似模擬.因此，本文由一些基本的天線模型入手，建立了利用方向性區(qū)分識(shí)別輻射源的模型，為實(shí)際輻射源的識(shí)別提供了一種簡(jiǎn)單有效的方法.

而作為基于方向性識(shí)別輻射源的工具，機(jī)器學(xué)習(xí)方法有著很好的非線性映射能力和自學(xué)習(xí)能力［6-9］，它可以通過分析已知源的參數(shù)數(shù)據(jù)，并將學(xué)習(xí)的知識(shí)應(yīng)用于對(duì)未知源的鑒別中.本文采用支持向量機(jī)（Support Vector Machine，SVM）方法，對(duì)已知輻射源有限的方向性數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，從而建立區(qū)分識(shí)別模型，并通過測(cè)試數(shù)據(jù)來衡量模型的識(shí)別準(zhǔn)確率.

1 電磁輻射源模型

三種基本的電磁輻射源模型，分別為偶極子天線、倒F天線和同軸饋電貼片天線（分別記為模型1、2、3），將其放置在坐標(biāo)原點(diǎn).它們的工作頻率為3 GHz，輸入功率均為1W.圖1～3為三種模型的方向圖.由圖可見沿y軸方向輻射源具有最強(qiáng)的輻射特性.

圖1 偶極子天線方向圖

圖2 加導(dǎo)體反射板的倒F天線方向圖

圖3 貼片天線方向圖

2 利用接收陣獲取輻射源方向性

采用27點(diǎn)正方體接收陣在輻射源主瓣方向進(jìn)行測(cè)量，根據(jù)測(cè)得的場(chǎng)強(qiáng)值結(jié)合空間分布確定輻射源的方向性.由于更容易掌握輻射源的遠(yuǎn)區(qū)特性，故選定正方體接收陣離坐標(biāo)原點(diǎn)最近的平面與原點(diǎn)的距離為10個(gè)波長（即1 000mm）之外.初始距離H1設(shè)為1.1m.為了保證足夠的數(shù)據(jù)量，將接收陣分別沿三個(gè)坐標(biāo)軸方向移動(dòng)50次，得到125 000組數(shù)據(jù)，每組數(shù)據(jù)包含27點(diǎn)的數(shù)據(jù)，這些數(shù)據(jù)用做建模與測(cè)試.

在數(shù)據(jù)采集過程中，隨著接收陣與輻射源距離的不斷增加，只有正方體間距和每次的移動(dòng)距離也隨之增大，才能更好地表現(xiàn)出27個(gè)點(diǎn)隨位置變化之間的關(guān)系.因此空間中根據(jù)距離輻射源的遠(yuǎn)近沿y軸分為50層，相鄰層間距隨著距離輻射源的位置增加而增加，移動(dòng)步長及間距也隨之增加，但每層2 500個(gè)接收陣的間距和沿x軸、z軸的移動(dòng)步長保持不變.設(shè)正方體第i層與輻射源的距離為Hi，正方體中相鄰最近的點(diǎn)的間距為Li，正方體每次移動(dòng)的步長為δi，它們之間的關(guān)系如式（1）～（3）所示.

按照上述方法，在三種天線的相同位置建立正方體接收陣，并提取場(chǎng)強(qiáng)值，以此作為支持向量機(jī)的數(shù)據(jù).

3 支持向量機(jī)識(shí)別電磁輻射源

支持向量機(jī)是一種監(jiān)督式學(xué)習(xí)方法，可廣泛應(yīng)用于統(tǒng)計(jì)分類以及回歸分析.通過調(diào)節(jié)相關(guān)參數(shù)并對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，SVM模型能得到很高的識(shí)別準(zhǔn)確率.

SVM模型需要大量的學(xué)習(xí)數(shù)據(jù)，以及足夠的測(cè)試數(shù)據(jù)來判斷模型的有效性.由第2章可知，數(shù)據(jù)沿y軸分為50層，可以以層為單位進(jìn)行SVM的建模與測(cè)試.具體方法如下：

選取每種天線某一建模層的全部2 500組數(shù)據(jù)分別構(gòu)建區(qū)分評(píng)判模型.模型建好后，將三種天線每層的測(cè)試數(shù)據(jù)合并在一起，用于評(píng)判模型得到的識(shí)別準(zhǔn)確率.取50層識(shí)別準(zhǔn)確率的平均值作為該建模層的綜合準(zhǔn)確率.設(shè)第i層區(qū)分第j層的準(zhǔn)確率為cji，第i建模層的綜合準(zhǔn)確率為Ai，它們之間的關(guān)系如式（4）所示.

由于層數(shù)過多，故從第5層開始，每間隔5層取一次，共取10層用來建模.結(jié)果如表1所示.

表1 不同距離建模層對(duì)全部數(shù)據(jù)測(cè)試平均準(zhǔn)確率

由于討論的是輻射源的遠(yuǎn)場(chǎng)方向特性，因此對(duì)于離輻射源近的幾層測(cè)試效果較差.改善方法是舍棄前5層數(shù)據(jù)，區(qū)分?jǐn)?shù)據(jù)層j取6～50層，這樣就排除了前五層數(shù)據(jù)對(duì)平均準(zhǔn)確率的影響.因此改善后cji與Ai之間關(guān)系如公式（5）所示.

改善前后效果如圖4所示.

比較發(fā)現(xiàn)最佳建模層為第30層，其離原點(diǎn)最近的面距離原點(diǎn)16.5m，能夠?qū)嚯x原點(diǎn)1.75m到107m的范圍提供90.56%的平均識(shí)別準(zhǔn)確率.

圖4 改善前后不同建模層綜合準(zhǔn)確率

為了分析不同層準(zhǔn)確率的變化情況，測(cè)得第30層建模對(duì)每層數(shù)據(jù)識(shí)別準(zhǔn)確率如圖5所示.

圖5 第30層建模對(duì)每層數(shù)據(jù)區(qū)分準(zhǔn)確率

其對(duì)第6層的識(shí)別準(zhǔn)確率最低，但仍能保證87.35%的準(zhǔn)確度.可見模型的識(shí)別效果很理想.

4 討 論

由于輸入數(shù)據(jù)大小有差異，在進(jìn)行支持向量機(jī)分析之前首先需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理.第3章得到的結(jié)果都是基于線性歸一化方法得到，下面討論不同歸一化方法的建模效果以及模型的抗噪聲能力.

常用的數(shù)據(jù)歸一化方法有線性歸一化、反正切歸一化和對(duì)數(shù)歸一化.而噪聲模型則為常見的高斯白噪聲.下面比較了在不同的信噪比和不同的歸一化方法下，統(tǒng)一用第30層數(shù)據(jù)建模，對(duì)第6～50層數(shù)據(jù)進(jìn)行識(shí)別，得到的平均識(shí)別準(zhǔn)確率.

三種歸一化方法在不同信噪比情況下的綜合準(zhǔn)確率趨勢(shì)曲線如圖6所示.

圖6 不同歸一化方式在不同信噪比時(shí)的綜合準(zhǔn)確率

由圖6知，之前采用線性歸一化方法效果最好，模型在30dB信噪比時(shí)能得到接近80%的平均識(shí)別準(zhǔn)確率，40dB以上時(shí)準(zhǔn)確率能達(dá)到90%左右.可見模型具有較好的抗噪聲性能.

F1值是評(píng)價(jià)機(jī)器學(xué)習(xí)方法效果的常用標(biāo)準(zhǔn)，其計(jì)算公式如式（6）所示：

式中：P為準(zhǔn)確率；R為召回率.P與R值越高越好，但這兩者在某些情況下是矛盾的.F1值則綜合考慮了這兩個(gè)參量，F(xiàn)1值越高證明實(shí)驗(yàn)方法越理想.

按照同樣的方法，統(tǒng)一用第30層數(shù)據(jù)建模，對(duì)第6～50層數(shù)據(jù)求出平均F1值.三種歸一化方法在不同信噪比情況下的F1值趨勢(shì)曲線如圖7所示.

圖7 不同歸一化方式在不同信噪比時(shí)的F1值

由圖7可知，線性歸一化方法效果最好，在信噪比達(dá)到40dB以上時(shí)F1值超過了0.85，甚至接近0.9.

5 結(jié) 論

支持向量機(jī)作為一種典型的機(jī)器學(xué)習(xí)方法，可以通過方向性這個(gè)辨識(shí)度很高的參數(shù)，完成對(duì)各種電磁輻射源的區(qū)分識(shí)別.這突破了以往主要通過不同頻率識(shí)別電磁輻射源的思想，提供了一種快速準(zhǔn)確識(shí)別輻射源的新方法.

結(jié)果表明在簡(jiǎn)單輻射源模型下，提出的方法具有很高的識(shí)別準(zhǔn)確度，文中從抗噪性能、數(shù)據(jù)歸一化方法和F1值三個(gè)角度對(duì)模型進(jìn)行了綜合的分析，通過比較證明了模型的合理性.

雖然文中建立的輻射源模型較為簡(jiǎn)單，但提出的這種新方法仍然適用于實(shí)際中復(fù)雜的輻射源，因?yàn)楦鞣N輻射源的方向性是各不相同的，只要它們滿足這種特性就可以采用文中提出的方法對(duì)其進(jìn)行識(shí)別，由此可見該方法具有很強(qiáng)的創(chuàng)新性和實(shí)用價(jià)值.

［1］SONG Zhenfei，SU Donglin，DAI Fei，et al.A novel electromagnetic radiated emission source identification methodology［C］／／Proceeding of 2010Asia-Pacific International Symposium on Electromagnetic Compatibility.Beijing，April 12-16，2010：645-648.

［2］DONG Xiaopeng，WENG Haixiao，BEETNER D G，et al.Detection and identification of vehicles based on their unintended electromagnetic emissions［J］.IEEE Transactions on Electromagnetic Compatibility，2006，48（4）：752-759.

［3］LIU Mingwei，DOHERTY J F.Nonlinearity estimation for specific emitter identification in multipath channels［J］.IEEE Transactions on Information Forensics and Security，2011，6（3）：1076-1085.

［4］LIU H J，LIU Z，JIANG W L，et al.Approach based on combination of vector neural networks for emitter identification［J］.IET Signal Processing，2008，4（2）：137-148.

［5］張葛祥.雷達(dá)輻射源信號(hào)智能識(shí)別方法研究［D］.成都：西南交通大學(xué)，2005.ZHANG Gexiang.Research on Radar Emitter Signal Recognition Methods［D］.Chengdu：Southwest Jiaotong University，2005.（in Chinese）

［6］康士峰，葛德彪，張忠治.地面電磁環(huán)境分類及其神經(jīng)網(wǎng)絡(luò)識(shí)別［J］.電波科學(xué)學(xué)報(bào)，2000，15（4）：393-396.KANG Shifen，GE Debiao，ZHANG Zhongzhi.Classes of electromagnetic environment of the earth surface and identifying method with ANN［J］.Chinese Journal of Radio Science，2000，15（4）：393-396.（in Chinese）

［7］田雨波，董 躍.基于神經(jīng)網(wǎng)絡(luò)集成的微帶天線諧振頻率建模［J］.電波科學(xué)學(xué)報(bào)，2009，24（4）：610-616.TIAN Yubo，DONG Yue.Modeling resonant frequency of microstrip antenna based on neural network ensemble［J］.Chinese Journal of Radio Science，2009，24（4）：610-616.（in Chinese）

［8］黃 蓉.基于神經(jīng)網(wǎng)絡(luò)代數(shù)算法的電磁環(huán)境評(píng)價(jià)［D］.成都：西南交通大學(xué)，2013.HUANG Rong.The Electromagnetic Environment Evaluation Based on Algebra Algorithm of Neural Network［D］.Chengdu：Southwest Jiaotong University，2013.（in Chinese）

［9］李永明，祝言菊，李 旭，等.電磁兼容的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)分析［J］.重慶大學(xué)學(xué)報(bào)，2008，31（11）：1313-1322.LI Yongming，ZHU Yanju，LI Xu，et al.Artificial neural networks-based prediction of electromagnetic compatibility problem［J］.Journal of Chongqing University，2008，31（11）：1313-1322.（in Chinese）