一種基于PRI變化規(guī)律的雷達(dá)輻射源識別方法

關(guān)一夫，張國毅，王曉峰

（空軍航空大學(xué)，長春 130022）

一種基于PRI變化規(guī)律的雷達(dá)輻射源識別方法

關(guān)一夫，張國毅，王曉峰

（空軍航空大學(xué)，長春 130022）

針對相控陣?yán)走_(dá)中某些具有復(fù)雜PRI調(diào)制樣式的工作模式難以準(zhǔn)確識別的問題，提出一種通過提取PRI序列變化規(guī)律來進(jìn)行輻射源識別的方法。該方法借鑒了脈沖樣本圖的模型以及生物信息學(xué)中基因序列比對的動態(tài)規(guī)劃思想，較好地解決了某些復(fù)雜PRI調(diào)制樣式不好描述，以及相控陣?yán)走_(dá)中一個完整工作模式包含脈沖序列長度太短，以致很難通過統(tǒng)計的方法對其進(jìn)行準(zhǔn)確識別的問題。仿真結(jié)果表明該算法的有效性，而且在存在脈沖丟失和干擾脈沖的情況下具有穩(wěn)健性。

PRI規(guī)律，雷達(dá)輻射源，識別

0 引言

雷達(dá)輻射源識別是電子戰(zhàn)系統(tǒng)的關(guān)鍵技術(shù)之一，其目的是在分選截獲雷達(dá)信號的基礎(chǔ)上，得到信號中雷達(dá)的工作參數(shù)，然后利用這些參數(shù)獲取該雷達(dá)的體制、用途和型號等信息［1］。目前的雷達(dá)輻射源識別算法可分為兩類［2］：一種是基于統(tǒng)計參數(shù)建模的識別方法，如專家系統(tǒng)的方法［3］、灰度關(guān)聯(lián)的方法［4］、基于人工神經(jīng)網(wǎng)絡(luò)的方法［5］、基于粗糙集理論的方法［6］等等；另一種是基于脈沖參數(shù)建模的識別方法，如聯(lián)合分選識別方法［7］、雷達(dá)輻射源的序貫識別方法［8］、脈沖樣本圖的方法［9］等等。隨著現(xiàn)代雷達(dá)技術(shù)的不斷發(fā)展，各種復(fù)雜體制雷達(dá)不斷涌現(xiàn)，基于統(tǒng)計參數(shù)建模的識別方法很難準(zhǔn)確描述信號復(fù)雜的變化規(guī)律，而且相控陣?yán)走_(dá)在其一個完整的工作模式周期中可以只輻射很短的一串脈沖序列就實(shí)現(xiàn)其功能，這也給統(tǒng)計處理帶來很大困難。

本文借鑒脈沖樣本圖的模型，提出了脈沖PRI樣本的模型，并討論了其在數(shù)據(jù)庫中的存儲方法，針對PRI組變信號的規(guī)律特點(diǎn)，完善了這類信號脈沖PRI樣本在數(shù)據(jù)庫中的存儲方式；通過分析偵收數(shù)據(jù)發(fā)現(xiàn)，脈沖序列的PRI變化規(guī)律能夠提供很可靠的分類信息，越是復(fù)雜的變化規(guī)律，其所能提供的分類信息量越大，因此，利用基因序列比對中動態(tài)規(guī)劃的思想，提取出脈沖序列PRI的變化規(guī)律并以此作為特征設(shè)計了識別匹配度模型，而且針對PRI組變信號的情況，設(shè)計了綜合識別匹配度的模型。

1 脈沖PRI樣本

雷達(dá)輻射源按照信號形式可以分為脈沖雷達(dá)和連續(xù)波雷達(dá)兩類。連續(xù)波雷達(dá)的數(shù)量較少，并且使用有限，本文主要對脈沖雷達(dá)進(jìn)行研究，所述雷達(dá)輻射源均為脈沖雷達(dá)。PRI是脈間參數(shù)，通過計算兩相鄰脈沖到達(dá)時間差得到。

1.1 脈沖PRI樣本的定義

設(shè)雷達(dá)在某工作模式下發(fā)射一串具有N個脈沖的脈沖序列S=（t1，t2，…，tN），其中ti，i=1，2，…，N代表脈沖的到達(dá)時間，則P=（PRI1，PRI2，…，PRIN-1）就是該串脈沖的PRI序列，其中PRIj=ti+1-ti，i=1，2，…，N，j=1，2，…，N-1。若從P中選取出一個能準(zhǔn)確表示P的子序列P'，使得P可近似看作由P'進(jìn)行周期延拓得到（除了P中開頭和結(jié)尾的幾個PRI值），那么P'就是一個脈沖PRI樣本，識別數(shù)據(jù)庫中的已知雷達(dá)就是以這種形式進(jìn)行存儲的。P'同時給出了工作樣式中PRI值及其排列順序的信息。

1.2 PRI組變信號的脈沖PRI樣本

將PRI脈沖樣本作為已知雷達(dá)的模型存儲在數(shù)據(jù)庫中需要考慮識別準(zhǔn)確率和數(shù)據(jù)庫容量之間的折中。不難想到，若將P'延拓兩到三個周期再作為樣本存入數(shù)據(jù)庫，那么對于足夠長的待識別脈沖序列，這樣的樣本能夠?qū)γ}沖丟失和干擾脈沖有更強(qiáng)的抗性，但同時增加了數(shù)據(jù)庫的容量。

此外，對于PRI組變信號，其每一組內(nèi)的脈沖個數(shù)可能很多而且并不一定是固定的，如相控陣?yán)走_(dá)的一種PRI 3組變樣式：在第1組內(nèi)輻射64個脈沖、第2組48個、第3組32個。因此，需要考慮如何對這類信號建立脈沖PRI樣本?，F(xiàn)將本文的處理思路討論如下：將一個工作模式用多個脈沖PRI樣本來描述。以這個3組變信號為例來說明，以3個PRI值分別作脈沖PRI樣本，即得到3個固定PRI的脈沖樣本，每個樣本中包含的元素個數(shù)根據(jù)經(jīng)驗(yàn)設(shè)定，這里認(rèn)為4個～10個較為合理。在數(shù)據(jù)庫中將這3個樣本與同一個工作模式進(jìn)行關(guān)聯(lián)，在識別時將3個樣本的識別結(jié)果進(jìn)行融合作為最終的識別結(jié)果。這樣就可以較好地解決PRI組變信號脈沖PRI樣本的建立問題。

2 算法原理

借鑒生物信息學(xué)中基因序列配對的經(jīng)典算法——動態(tài)規(guī)劃比對算法［10］的主要思想，結(jié)合脈沖PRI樣本及待識別脈沖序列的特點(diǎn)設(shè)計打分矩陣和部分得分矩陣，并將回溯路徑所經(jīng)過的各個點(diǎn)的分值相加，作為計算識別匹配度的依據(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(fèi)時，其時間復(fù)雜度和空間復(fù)雜度均為O（n2）（n為序列長度），這就限制了其在實(shí)際中的應(yīng)用。后來人們提出了改善其時間、空間復(fù)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(fù)雜度分別為O（nlog2d+d2）和O（d）（d為兩條序列的得分值），在實(shí)際中有較好的應(yīng)用，對長度為1 000以上的基因序列具有較快的處理速度［11］。關(guān)于上述改進(jìn)算法的原理可參考文獻(xiàn)［11］，此處不再贅述。

2.1 動態(tài)規(guī)劃的基本原理

首先介紹一下動態(tài)規(guī)劃的基本原理，其過程大致可分為兩步：建立得分矩陣和回溯

步驟1：建立得分矩陣M

設(shè)有兩個序列e1和e2，長度分別為n1和n2，則M是一個（n1+1）×（n2+1）的矩陣，其建立方法如下：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(yīng)序列e1中的元素值與M第j列對應(yīng)e2中的元素值進(jìn)行匹配，如果兩個數(shù)值在預(yù)先設(shè)定的匹配容差σ范圍內(nèi)則匹配結(jié)果為1，否則結(jié)果為-1。

步驟2：回溯

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(dāng)回溯到mij后，從m（i-1）j，mi（j-1）和m（i-1）（j-1）3個選項(xiàng)中選擇滿足式（1）

的位置繼續(xù)前進(jìn)，直到回溯到m11。

2.2 本文算法流程

本文算法主要分3步：建立自得分矩陣并計算分?jǐn)?shù)，建立互得分矩陣并計算分?jǐn)?shù)，計算識別匹配度。

步驟1：建立自得分矩陣Ma并計算分?jǐn)?shù)Scorea

所謂自得分矩陣就是指e1和e2對應(yīng)數(shù)據(jù)庫中同一個脈沖PRI樣本序列，并由此建立的得分矩陣；計算分?jǐn)?shù)就是對回溯路徑上各元素的分值求和，作為該得分矩陣的分?jǐn)?shù)。

步驟2：建立互得分矩陣Mc并計算分?jǐn)?shù)Scorec

所謂互得分矩陣是指e1和e2分別對應(yīng)上一步中的脈沖PRI樣本序列和待識別脈沖PRI序列（或其子序列），并由此建立的得分矩陣；計算分?jǐn)?shù)的方法同上一步。

這里需要說明的是，待識別脈沖PRI序列的選取方法對該算法的處理時間和結(jié)果的準(zhǔn)確度有很大影響：若用整個待識別脈沖PRI序列計算互得分矩陣，勢必要花費(fèi)大量的時間；若只選取與脈沖PRI樣本序列等長度的待識別序列，雖然在理想情況下仍能進(jìn)行識別，但是由于脈沖丟失和干擾脈沖的存在會使得分矩陣的分值很小以致于誤判為未識別的序列。本文對這一問題的處理思路是利用待識別序列中存在大量數(shù)據(jù)冗余的特點(diǎn)通過多次建立得分矩陣以求取平均分，具體地說，就是截取與脈沖PRI樣本序列等長度的待識別脈沖PRI序列，建立互得分矩陣Mc1并計算分?jǐn)?shù)Scorec1，然后以上一次截取序列的末端為起點(diǎn)在待識別序列上向后再截取下一段，建立得分矩陣Mc2并計算分?jǐn)?shù)Scorec2，照此處理L次，最后的得分為：

L通常取3次～5次為宜，若待識別序列長度不能滿足這一需求，則按照盡可能多取的原則進(jìn)行處理。

步驟3：計算識別匹配度η

在對從數(shù)據(jù)庫中選取的脈沖PRI樣本計算得分?jǐn)?shù)Scorea，并且將其與一待識別脈沖PRI序列計算得分?jǐn)?shù)Scorec之后，按下式計算二者的識別匹配度η：

并將此作為進(jìn)行識別判決的依據(jù)，若該值超過某一門限則認(rèn)為識別成功否則為未識別。值得一提的是，互得分矩陣的分?jǐn)?shù)可能為負(fù)值，從而使識別匹配度η也為負(fù)值，后面的仿真將表明，η為負(fù)值時一般是對應(yīng)序列不匹配的情況，這也使得識別判決門限的設(shè)定變得較為容易。

2.3 對于PRI組變信號存在增批時的綜合識別匹配度模型

對于PRI組變信號，現(xiàn)有的一些分選算法［13］容易將其分選成多批數(shù)據(jù)，以上文中提到的PRI 3組變?yōu)槔?，分選算法給出的結(jié)果將該信號分成了3組固定PRI的信號，造成了增批，若不對這種情況進(jìn)行合批處理，就會使識別結(jié)果中出現(xiàn)多個重復(fù)雷達(dá)輻射源的結(jié)果，從而給情報分析人員造成困惑。

針對這種情況，結(jié)合本文第2部分對組變類型脈沖PRI樣本在數(shù)據(jù)庫中存儲方式的討論，建立了一個綜合識別匹配度模型。因?yàn)榻M變信號是按固定值分別建立樣本，故而當(dāng)組變信號出現(xiàn)時，就會有多批數(shù)據(jù)與該信號樣式多個樣本匹配識別成功，也就是說對于數(shù)據(jù)庫中一個信號樣式會得到多個過門限的識別匹配度結(jié)果，這時，按下式對這些結(jié)果進(jìn)行融合得到總的識別匹配度：

其中ηk表示數(shù)據(jù)庫中該信號樣式下第k個樣本與某待識別批數(shù)據(jù)的識別匹配度。

3 仿真結(jié)果

下面對該算法的有效性、在存在脈沖丟失和干擾脈沖的情況下算法的穩(wěn)健性進(jìn)行仿真說明；文獻(xiàn)［12］述及存在一種PRI三編碼信號，這種信號具有固定的3個編碼值，但是3個值的出現(xiàn)不像參差信號那樣具有周期性而是服從某種編碼規(guī)律，本文對這種信號的識別進(jìn)行了仿真并分析了仿真結(jié)果。由于篇幅所限，仿真只考慮L=1，即只對待識別序列截取一次的情況。

3.1 算法的有效性和穩(wěn)健性分析

以一個PRI六參差信號為例對算法的有效性和穩(wěn)健性進(jìn)行仿真分析。設(shè)該信號的PRI值按順序依次為PRI1，PRI2，PRI3，PRI4，PRI5和PRI6，并以此作為該信號的脈沖PRI樣本序列；作為比對所截取的未知信號序列其PRI分別為X1，X2，X3，X4，X5和X6；干擾脈沖為U1和U2。

圖1 六參差樣本的自得分矩陣

圖2 不匹配情況下的互得分矩陣

圖3 存在干擾脈沖時的互得分矩陣

圖4 存在脈沖丟失時的互得分矩陣

圖1為該脈沖PRI樣本的自得分矩陣，分?jǐn)?shù)為21；圖2為該樣本與一不匹配的脈沖列形成的互得分矩陣，分?jǐn)?shù)為-21，從而識別匹配度為-1；圖3為存在干擾脈沖時的互得分矩陣，分?jǐn)?shù)為5，從而識別匹配度約為23.8%；圖4為存在脈沖丟失的互得分矩陣，識別匹配度為23.8%。

通過對大量實(shí)際偵收信號進(jìn)行仿真，認(rèn)為將門限取為1.5較為合適，平均識別準(zhǔn)確率在93%以上。

3.2 PRI三編碼信號的識別

設(shè)PRI三編碼信號的PRI為PRI_1，PRI_2，PRI_3。對于這種信號在建立脈沖PRI樣本的時候，是通過對偵收的該信號序列進(jìn)行人工分析然后提取其中比較具有代表性的一小段來完成的。這里選取 PRI_1，PRI_3，PRI_3，PRI_2，PRI_1，PRI_2作為該信號的一個脈沖PRI樣本序列。

圖5 PRI三編碼樣本的自得分矩陣

圖6 PRI三編碼序列的互得分矩陣

圖5是該信號脈沖PRI樣本的自得分矩陣，分?jǐn)?shù)為21，圖6是與一待識別脈沖PRI序列的一段子序列的互得分矩陣，分?jǐn)?shù)為7，因此，識別匹配度約為30%。

通過利用多組實(shí)際偵收的PRI編碼信號進(jìn)行仿真，當(dāng)門限取為1.5時，平均識別準(zhǔn)確率可達(dá)91.2%。

4 結(jié)論

通過上面的討論與仿真分析可以看出，該算法可以對復(fù)雜PRI樣式的雷達(dá)信號進(jìn)行較好的描述，并且只利用脈沖序列的PRI信息，啟發(fā)式搜索PRI變化規(guī)律的相似性并將這種相似性量化成得分矩陣中各元素的分?jǐn)?shù)，然后進(jìn)行累加，仿真結(jié)果說明了該算法在存在脈沖丟失和干擾脈沖的情況下仍具有穩(wěn)健性。

現(xiàn)代ESM中測時設(shè)備的精度可以做得很高，這也使脈沖序列的PRI及其變化規(guī)律能夠提供更可靠的分類識別信息，相比其他一些多參數(shù)的識別算法［14-16］，提取PRI的變化規(guī)律作為分類特征更具有研究潛力與應(yīng)用價值。此外，可以考慮將這種方法用于對相控陣?yán)走_(dá)復(fù)雜工作樣式信號的識別。

下一步還需要進(jìn)一步研究的內(nèi)容主要有脈沖PRI樣本在數(shù)據(jù)庫中的存儲與管理問題以及待識別脈沖序列的選取問題。

［1］韓俊，何明浩，李勝喜，等.現(xiàn)代雷達(dá)輻射源識別技術(shù)綜述［J］.航天電子對抗，2008，24（1）：43-45.

［2］劉海軍，柳征，姜文利，等.基于聯(lián)合參數(shù)建模的雷達(dá)輻射源識別方法［J］.宇航學(xué)報，2011，32（1）：142-149.

［3］賴中安，羅杰.基于雷達(dá)輻射源識別專家系統(tǒng)的數(shù)據(jù)融合方法研究［J］.艦船電子對抗，2012，35（3）：37-39.

［4］劉凱，王杰貴，李俊武.基于區(qū)間灰關(guān)聯(lián)的雷達(dá)輻射源識別新方法［J］.火力與指揮控制，2013，38（1）：138-141.

［5］劉海軍，柳征，姜文利，等.基于云模型和矢量神經(jīng)網(wǎng)絡(luò)的輻射源識別方法［J］.電子學(xué)報，2010，38（12）：2798-2801.

［6］胡可，王宏遠(yuǎn).基于粗糙集的決策樹雷達(dá)輻射源識別方法［J］.計算機(jī)仿真，2011，28（8）：29-30.

［7］Hassan H E.A New Algorithm for Radar Emitter Recognition［C］//Proceedings of the 3rd International Symposium on Image and Signal Processing and Analysis，Ontario，2003.

［8］楊博，許丹，黃知濤，等.雷達(dá)輻射源的序貫識別方法［J］.宇航學(xué)報，2008，29（3）：1022-1024.

［9］Gong L L，Wu S L.A Radar Emitter Identification Method Based on Pulse Match Template Sequence［C］//2010 2nd International Conference on Signal Processing Systems，IEEE，2010.

［10］馬爽，王瑩桂，柳征，等.基于序列比對的多功能雷達(dá)搜索規(guī)律識別方法 ［J］.電子學(xué)報，2012，40（7）：1435-1439.

［11］唐玉榮.生物信息學(xué)中的序列比對算法研究［D］.北京：中國農(nóng)業(yè)大學(xué)，2004.

［12］Richard G.Wiley.ELINT:The Interception and Analysis of Radar Signals［M］.北京：電子工業(yè)出版社，2008.

［13］王曉峰.雷達(dá)信號快速分選算法研究［D］.長春：空軍航空大學(xué)，2011.

［14］徐欣，刁聯(lián)旺，于永生.雷達(dá)輻射源類型識別分析［J］.計算機(jī)與數(shù)字工程，2013，41（4）:565-568.

［15］丁軍，劉志成.基于特征參數(shù)匹配的雷達(dá)輻射源識別方法研究［J］.現(xiàn)代雷達(dá)，2011，33（9）：29-32.

［16］張中山，賈可新.基于量子神經(jīng)網(wǎng)絡(luò)的輻射源識別方法［J］.航天電子對抗，2013，3（2）：182-184.

［17］黃淵凌，鄭輝，萬堅(jiān).特定輻射源識別的信息論描述［J］.西安電子科技大學(xué)學(xué)報，2012，39（6）:125-130.

A Radar Emitter Recognition Method Based on the PRI Switching Rules

GUAN Yi-fu，ZHANG Guo-yi，WANG Xiao-feng
（Aviation University of Air Force，Changchun 130022，China）

Focusing on the problem that phased-array radar has some modes with complex PRI modulation patterns are difficult to accurately identify，this paper proposes a recognition method by extracting the switching rules of the PRI sequence.This method draws on the pulse template model and the dynamic programming theory of bioinformatics in gene sequence alignment，having solved the difficulty in describing some complex PRI modulation pattern and those for statistical methods in recognizing phased-array radars with mode includes a complete sequence of pulses with very short length.Simulation results show the effectiveness of the algorithm and its robustness even in the presence of interference pulses and missing pulses.

PRI switching rules，radar emitter，recognition

TN971

A

1002-0640（2015）03-0079-04

2014-01-11

2014-03-25

關(guān)一夫（1988- ），男，黑龍江哈爾濱人，在讀研究生。研究方向：雷達(dá)信號分選和雷達(dá)輻射源識別。