基于Harr-SCML的軍事空中對(duì)抗通信抗干擾方法研究*

苗英愷(濮陽(yáng)職業(yè)技術(shù)學(xué)院實(shí)訓(xùn)中心，河南濮陽(yáng)457000)

?

基于Harr-SCML的軍事空中對(duì)抗通信抗干擾方法研究*

苗英愷*
(濮陽(yáng)職業(yè)技術(shù)學(xué)院實(shí)訓(xùn)中心，河南濮陽(yáng)457000)

摘要:由于受到敵方電磁波等特定干擾，會(huì)造成軍事通信信號(hào)信噪降低。提出了一種基于Harr小波與強(qiáng)分類器機(jī)器學(xué)習(xí)算法的軍事空中對(duì)抗通信中抗干擾方法。建立通信抗干擾模型，判斷出通信波形中的特征點(diǎn)的種類;利用Harr特征分類器樣本進(jìn)行分類。對(duì)于提取樣本的Harr特征，利用決策樹(shù)算法進(jìn)行訓(xùn)練，能夠?qū)⒂?xùn)練樣本進(jìn)行逐步分類，最終進(jìn)行準(zhǔn)確的軍事通信。實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法能夠獲取準(zhǔn)確的通信信號(hào)，誤碼率比傳統(tǒng)方法降低了45%左右。

關(guān)鍵詞:強(qiáng)分類器機(jī)器學(xué)習(xí);空中對(duì)抗; Harr小波;抗干擾

在進(jìn)行軍事空中對(duì)抗的過(guò)程中，由于敵方會(huì)使用各種功能的電磁信號(hào)干擾設(shè)備［1－2］，對(duì)我方正常的通信造成極大的干擾，導(dǎo)致通信信號(hào)信噪比變差，通信質(zhì)量難以保障，需要及時(shí)采取抗干擾措施［3］。軍事空中對(duì)抗通信中的抗干擾方法已經(jīng)成為軍事通信領(lǐng)域需要研究的核心問(wèn)題，受到很多專家的重點(diǎn)關(guān)注［4］。當(dāng)前階段，主流的軍事空中對(duì)抗通信中抗干擾方法有基于小波變換算法的軍事空中對(duì)抗通信中抗干擾方法［5］、基于聚類算法的軍事空中對(duì)抗通信中抗干擾方法和基于蟻群算法的對(duì)抗通信中抗干擾方法［6］。其中，最常用的是基于小波變換算法的軍事對(duì)抗通信中抗干擾方法［7］。由于軍事空中對(duì)抗通信中抗干擾方法是保證我方戰(zhàn)機(jī)在空中對(duì)抗中重要的安全基礎(chǔ)，發(fā)揮著難以替代的作用，具有廣闊的發(fā)展前景，成為很多專家的重點(diǎn)研究課題。

利用傳統(tǒng)的抗干擾方法進(jìn)行軍事空中對(duì)抗通信的過(guò)程中，誤碼率較高，從而導(dǎo)致通信效率降低，通信信號(hào)質(zhì)量無(wú)法得到保障。提出了一種基于Harr小波與強(qiáng)分類器機(jī)器學(xué)習(xí)算法的軍事空中對(duì)抗通信中抗干擾方法。建立通信抗干擾模型，判斷出通信波形中的特征點(diǎn)的種類。利用Harr特征分類器樣本進(jìn)行分類。對(duì)于提取樣本的Harr特征，利用決策樹(shù)算法進(jìn)行訓(xùn)練，能夠?qū)⒂?xùn)練樣本進(jìn)行逐步分類，最終進(jìn)行準(zhǔn)確的軍事通信。實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法能夠獲取準(zhǔn)確的通信信號(hào)，誤碼率比傳統(tǒng)方法降低了45%左右。

1　基于Harr小波變換的模型建立

Harr小波變換是信號(hào)分析的常用方法。基于Harr小波變換的模型建立過(guò)程如下:

設(shè)置t(l)={t1(l)，t2(l)，…，tp(l)}用來(lái)描述采集的軍事空中對(duì)抗通信中初始通信信號(hào)構(gòu)成的n維空間方向向量。y(l)={y1(l)，y2(l)，…，yn(l)}用來(lái)描述n維空間數(shù)值向量。則利用下述公式能夠描述采集的初始通信信號(hào):

設(shè)置α(u)∈M2(S)，α(珔ψ)用來(lái)描述軍事空中對(duì)抗通信中小波變換過(guò)程中的小波函數(shù)。假設(shè)該軍事空中對(duì)抗通信中波滿足下述條件，則該小波是基本波

將基本波進(jìn)行平移處理，能夠獲取下述公式:

對(duì)采集的軍事空中對(duì)抗通信中通信信號(hào)進(jìn)行小波變換處理，處理后的信號(hào)能夠用下述公式進(jìn)行描述:

利用下述公式能夠獲取軍事空中對(duì)抗通信中通信信號(hào)特征分離的目標(biāo)函數(shù):

上述目標(biāo)函數(shù)G(X，y)的極值點(diǎn)是零點(diǎn)，則能夠獲取下述公式:

上述式中，^X的特征分量是(x1，x2，…，xp)。假設(shè)上述特征分量與特征矩陣D和珟D存在正交關(guān)系，則能夠得到下述公式:

假設(shè)ey=1，則能夠獲取下述結(jié)果:

將式(9)代入式(10)，則能夠獲取軍事空中對(duì)抗通信中通信信號(hào)特征分離的期望函數(shù):

根據(jù)上述公式能夠得知，只要分離出軍事空中對(duì)抗通信中通信信號(hào)zj=xjy與zk=xky沒(méi)有關(guān)聯(lián)性，且通信信號(hào)的導(dǎo)數(shù)=xjy'沒(méi)有關(guān)聯(lián)性，則能夠獲取目標(biāo)函數(shù)的極值點(diǎn)。由于根據(jù)^X能夠得知軍事空中對(duì)抗通信中通信信號(hào)是獨(dú)立進(jìn)行統(tǒng)計(jì)的，則能夠根據(jù)目標(biāo)函數(shù)獲取正常通信信號(hào)。

2　基于Harr-SCML的干擾信號(hào)檢測(cè)方法

本文提出的基于Harr-SCML(Harr Wavelet-Strong Classifier Machine Learning)的干擾信號(hào)檢測(cè)算法主要包括3個(gè)步驟:創(chuàng)立訓(xùn)練數(shù)據(jù)樣本，選擇通信波形特征和訓(xùn)練分類器，具體方法如下所述。

2.1創(chuàng)立訓(xùn)練數(shù)據(jù)樣本

為了確保分類器的可靠性，需要保證足夠大的軍事空中對(duì)抗通信中信號(hào)訓(xùn)練數(shù)據(jù)樣本。文中的算法選取的1.5 kHZ的軍事空中對(duì)抗通信中通信波形作為訓(xùn)練數(shù)據(jù)，將訓(xùn)練數(shù)據(jù)劃分為正樣本和負(fù)樣本，其中正樣本是通信波形中中心點(diǎn)為干擾信號(hào)點(diǎn)的通信波形，負(fù)樣本是指其它任意通信波形。文中采用Berkeley sementation dataset中的軍事空中對(duì)抗通信中通信信號(hào)作為實(shí)驗(yàn)數(shù)據(jù)。利用圖1能夠描述隨機(jī)選取的原始通信信號(hào)與其人工標(biāo)注的通信波形。

圖1　原始通信信號(hào)與人工標(biāo)注通信信號(hào)

根據(jù)人工標(biāo)注的干擾信號(hào)波形，能夠獲取如圖2中描述的正樣本和負(fù)樣本。本文中正樣本和負(fù)樣本的數(shù)量都是5 000。

圖2　通信信號(hào)的正樣本和負(fù)樣本

2.2軍事空中對(duì)抗通信中干擾信號(hào)特征選擇

對(duì)軍事空中對(duì)抗通信中通信波形中的特征點(diǎn)進(jìn)行分類的過(guò)程中，能夠?qū)⑼ㄐ挪ㄐ沃械哪骋惶卣髯鳛槿醴诸惼?，通過(guò)運(yùn)算將多個(gè)弱分類器訓(xùn)練成一個(gè)強(qiáng)分類器，從而實(shí)現(xiàn)對(duì)通信信號(hào)進(jìn)行分類的目的。文中選取Harr特征分類器進(jìn)行訓(xùn)練，由于上述特征是干擾信號(hào)的普遍具有的特征，從而使得干擾信號(hào)檢測(cè)算法具有更防范的應(yīng)用領(lǐng)域。并且上述兩種信號(hào)的特征能夠保留通信信號(hào)中層波形信息，從而提高了軍事空中對(duì)抗通信中干擾信號(hào)檢測(cè)的準(zhǔn)確性。

Harr特征是根據(jù)Harr小波變換處理后得到的通信信號(hào)特征，通常情況下，Harr特征能夠分為4 種:干擾信號(hào)特征，線信號(hào)特征，中心特征和對(duì)角信號(hào)特征。由2個(gè)～4個(gè)波形窗口組合構(gòu)成的特征模板，每一種波形的特征都由白色和黑色這兩種區(qū)域構(gòu)成。定義特征模板的特征值是通信波形中所有的波形值之和的差值。由于單個(gè)Harr特征分類性能較弱，因此需要利用有關(guān)級(jí)聯(lián)算法將簡(jiǎn)單的Harr特征分類應(yīng)用到干擾信號(hào)的檢測(cè)。根據(jù)圖3中的4種Harr特征分類器可知，能夠?qū)⑸鲜鯤arr特征分類器進(jìn)行旋轉(zhuǎn)，從而得到不同方向的Harr特征。

圖3　種通信波形Harr特征分類器

設(shè)置通信波形中的任意一點(diǎn)P(i，j)的積分值是P'(i，j)，能夠描述原始通信波形中該點(diǎn)上方和左方所有特征點(diǎn)向量之和，則能得到下述公式:

根據(jù)上述公式能夠得知，只要知道窗口中的開(kāi)始點(diǎn)和結(jié)束點(diǎn)，就能計(jì)算出任意一個(gè)窗口中的波形特征向量值之和，并且通過(guò)對(duì)上述波形特征模板的縮放，能夠獲取多個(gè)尺度的Harr特征向量值。運(yùn)算的整個(gè)過(guò)程中只對(duì)原始通信信號(hào)波形進(jìn)行了一次遍歷，從而降低了運(yùn)算的復(fù)雜度。

2.3強(qiáng)分類器的訓(xùn)練方法的引入

對(duì)于提供的訓(xùn)練樣本，需要提取樣本的Harr特征，獲取一組高緯特征向量數(shù)據(jù)，利用決策樹(shù)算法相關(guān)原理進(jìn)行訓(xùn)練。決策樹(shù)算法能夠逼近函數(shù)的離散值，具有分類精度高、運(yùn)算簡(jiǎn)單、并且對(duì)干擾信號(hào)具有較強(qiáng)的魯棒性，因此被廣泛應(yīng)用到各種歸納推理的過(guò)程中。利用決策樹(shù)算法能夠?qū)⒁唤M無(wú)規(guī)則的樣本數(shù)據(jù)中訓(xùn)練出一種樹(shù)形表示的分類規(guī)則。通信過(guò)程中的干擾信號(hào)和正常通信信號(hào)分別分布在左右子樹(shù)上。根據(jù)決策樹(shù)算法，能夠?qū)⒂?xùn)練樣本S劃分為兩種新的樣本集合，分別用Sleft和Sright進(jìn)行描述。分別位于樹(shù)形結(jié)構(gòu)的左子樹(shù)和右子樹(shù)。利用這種方法，能夠?qū)⒂?xùn)練樣本進(jìn)行逐步分類，從而獲取不同種類的干擾信號(hào)波形。利用下圖4能夠描述通信信號(hào)的分類過(guò)程。

圖4　通信信號(hào)的分類過(guò)程

3　實(shí)驗(yàn)與分析

為了驗(yàn)證本文算法的有效性，需要進(jìn)行一次實(shí)驗(yàn)。實(shí)驗(yàn)環(huán)境是windows 7系統(tǒng)，利用Visnal C++ 6.0軟件建立空中對(duì)抗中通信模擬環(huán)境，利用Matlab 7.1仿真軟件編輯算法程序。

在軍事通信空中對(duì)抗中的過(guò)程中，軍事空中對(duì)抗通信中通信信號(hào)受到的干擾性較強(qiáng)。圖5(a)描述空中對(duì)抗中通信信號(hào)未受到電磁干擾時(shí)的原始信號(hào)，圖5(b)表示原始信號(hào)圖5(a)受到電磁干擾之后的波形。

圖5　空中對(duì)抗中的通信信號(hào)

分別利用不同算法進(jìn)行空中對(duì)抗中通信過(guò)程中的抗干擾實(shí)驗(yàn)。利用傳統(tǒng)算法獲取的實(shí)驗(yàn)結(jié)果能夠用圖6進(jìn)行描述。

圖6　傳統(tǒng)算法抗干擾實(shí)驗(yàn)結(jié)果

利用本文算法進(jìn)行空中對(duì)抗中通信過(guò)程中的抗干擾實(shí)驗(yàn)，獲取的實(shí)驗(yàn)結(jié)果能夠用圖7進(jìn)行描述。

圖7　本文算法抗干擾實(shí)驗(yàn)結(jié)果

通過(guò)上圖實(shí)驗(yàn)結(jié)果能夠得知，利用本文算法進(jìn)行軍事空中對(duì)抗通信中抗干擾，獲取的通信信號(hào)與實(shí)際的通信信號(hào)更相近，充分表明本文算法的有效性。

實(shí)驗(yàn)進(jìn)行10次，在實(shí)驗(yàn)的過(guò)程中，隨著干擾信號(hào)的強(qiáng)度不斷增加，利用誤碼率來(lái)描述不同算法進(jìn)行抗干擾實(shí)驗(yàn)的通信效率，獲取的實(shí)驗(yàn)結(jié)果能夠用圖8進(jìn)行描述。

圖8　不同算法誤碼率趨勢(shì)圖

通過(guò)上圖實(shí)驗(yàn)結(jié)果能夠得知，利用本文基于Harr-SCML算法進(jìn)行軍事空中對(duì)抗通信中抗干擾實(shí)驗(yàn)，隨著干擾信號(hào)的強(qiáng)度不斷增加，誤碼率比傳統(tǒng)基于Harr算法具有更低的誤碼率，具有較強(qiáng)的魯棒性，有一定的實(shí)際應(yīng)用價(jià)值。

4　結(jié)束語(yǔ)

針對(duì)傳統(tǒng)的抗干擾方法進(jìn)行軍事空中對(duì)抗通信的過(guò)程中，誤碼率較高，導(dǎo)致通信效率降低。為了避免上述缺陷，提出基于Harr-SCML的軍事空中對(duì)抗通信中抗干擾方法。實(shí)驗(yàn)結(jié)果表明:利用本文算法進(jìn)行軍事空中對(duì)抗通信，能夠獲取準(zhǔn)確的通信信號(hào)，大大降低了誤碼率，效果令人滿意。

參考文獻(xiàn):

［1］劉文霞.基于興趣匹配的網(wǎng)絡(luò)優(yōu)化通信方法研究［J］.電子科技，2012(8):90－92.

［2］李濤，王瑞林，王宇建，等.某型轉(zhuǎn)管機(jī)槍導(dǎo)氣裝置參數(shù)與射頻關(guān)系研究［J］.科技通報(bào)，2013，3(29):116－119.

［3］高世偉，保錚.利用數(shù)據(jù)矩陣分解實(shí)現(xiàn)對(duì)空間相干源的超分辨處理［J］.通信學(xué)報(bào)，1988，9(1):4－13.

［4］張彬，陳放，劉加廣.用于軍事通信網(wǎng)絡(luò)規(guī)劃分析的免疫系統(tǒng)多目標(biāo)優(yōu)化算法［J］.國(guó)防科技，2012，3(12):27－31.

［5］王宇，余順爭(zhēng).網(wǎng)絡(luò)流量的決策樹(shù)分類［J］.電子器件，2009，32(11):2150－2156.

［6］徐鵬，林森.基于C4.5決策樹(shù)的流量分類方法［J］.軟件學(xué)報(bào)，2009，20(10):2692－2704.

［7］曾國(guó)奇，李思吟，熊小軍.復(fù)雜電磁環(huán)境下電子系統(tǒng)抗干擾性

能仿真平臺(tái)設(shè)計(jì)［J］.傳感技術(shù)學(xué)報(bào)，2013，21(4):1077－1080.［8］Xie P，Zhou Z，Peng Z，et al.Aqua-Sim:A NS-2 Based Simulator for Underwater Sensor Networks［C］//IEEE/MTS OCEANS，2009:1－7.

苗英愷(1972－)，男，漢族，河南清豐人，碩士研究生，副教授，主要研究領(lǐng)域電子技術(shù)應(yīng)用、網(wǎng)絡(luò)安全。

Study of Urban Rail Construction Safety Monitoring System Based on LM3S9B92 and Zigbee Technology*

LIU Peng*
(Department of Communication Engineering，Chongqing College of Electronic Engineering，Chongqing 401331，China)

Abstract:An urban rail construction safety monitoring system based on LM3S9B92 and Zigbee wireless sensor network technology can realize environmental parameters of urban rail construction，personnel positioning and equipment remote control.Based on the system functional requirements and the characteristics of the system structure，the system overall scheme，system hardware design and software design scheme are designed.The function of system can perform environment monitoring，personnel positioning and voice communications under urban rail construction.The expected design goal are achieved.

Key words:LM3S9B92; Zigbee; embedded; rail transportation; safety monitoring and control system

doi:EEACC:7200; 852010.3969/j.issn.1005－9490.2015.04.034

收稿日期:2014－11－26修改日期:2014－12－30

中圖分類號(hào):TP181

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1005－9490(2015)04－0882－05

項(xiàng)目來(lái)源:2011年度河南省教育廳自然科學(xué)研究計(jì)劃項(xiàng)目(2011C520009)