模糊邏輯推理系統(tǒng)的運(yùn)動(dòng)目標(biāo)分類算法

杜 磊 郭坤鵬 薛安克 申屠晗

(1.紹興文理學(xué)院 元培學(xué)院，浙江 紹興312000；2.南京長江電子信息產(chǎn)業(yè)集團(tuán)有限公司，江蘇 南京210038；3.杭州電子科技大學(xué) 信息與控制研究所，浙江 杭州310018)

模糊邏輯推理系統(tǒng)的運(yùn)動(dòng)目標(biāo)分類算法

杜 磊1郭坤鵬2薛安克3申屠晗3

(1.紹興文理學(xué)院 元培學(xué)院，浙江 紹興312000；2.南京長江電子信息產(chǎn)業(yè)集團(tuán)有限公司，江蘇 南京210038；3.杭州電子科技大學(xué) 信息與控制研究所，浙江 杭州310018)

隨著戰(zhàn)場環(huán)境的日益復(fù)雜，對戰(zhàn)場上的監(jiān)視目標(biāo)進(jìn)行分類工作越來越重要，本文主要研究了窄帶雷達(dá)目標(biāo)分類問題，對目標(biāo)的運(yùn)動(dòng)信息進(jìn)行特征分析，得到其高度信息以及速度信息，利用專家經(jīng)驗(yàn)建立模糊邏輯推理系統(tǒng)，實(shí)時(shí)輸入得到的目標(biāo)狀態(tài)估計(jì)，從而得到直升機(jī)、民航客機(jī)、戰(zhàn)斗機(jī)三類目標(biāo)的分類結(jié)果，仿真結(jié)果表明本文提出的基于模糊邏輯推理系統(tǒng)的運(yùn)動(dòng)目標(biāo)分類算法能夠?qū)崟r(shí)地根據(jù)目標(biāo)運(yùn)動(dòng)狀態(tài)對目標(biāo)正確分類.

模糊邏輯；雷達(dá)目標(biāo)分類；運(yùn)動(dòng)信息；

0 引言

現(xiàn)代化戰(zhàn)場上，目標(biāo)分類識別應(yīng)用越來越被重視，雷達(dá)作為現(xiàn)代戰(zhàn)爭獲取戰(zhàn)場信息的重要工具，實(shí)時(shí)監(jiān)控整個(gè)戰(zhàn)場環(huán)境，對戰(zhàn)場上的目標(biāo)進(jìn)行分類識別，用于態(tài)勢估計(jì)與決策分析，可以有效提高我方戰(zhàn)斗力及戰(zhàn)場生存能力.由于目前我國大部分現(xiàn)役監(jiān)視雷達(dá)大都是窄帶低分辨雷達(dá)，相對于寬帶雷達(dá)來說，窄帶雷達(dá)提供的目標(biāo)信息相對有限，但是如果能夠直接在低分辨雷達(dá)中載入目標(biāo)分類的功能，不僅可以節(jié)約寬帶雷達(dá)帶來的系統(tǒng)復(fù)雜度[1]，同時(shí)可以最大化地發(fā)揮現(xiàn)有雷達(dá)的作戰(zhàn)效能，為作戰(zhàn)過程中的決策打擊提供有力的信息支撐.

由于窄帶雷達(dá)分辨率較低，利于窄帶雷達(dá)進(jìn)行目標(biāo)分類主要集中在兩方面，一種利用目標(biāo)回波得到的目標(biāo)位置信息以及通過對目標(biāo)跟蹤得到的目標(biāo)運(yùn)動(dòng)狀態(tài)信息[2-4]，另一種通過對目標(biāo)回波進(jìn)行分析得到其RCS(Radar Cross Section雷達(dá)目標(biāo)截面積)以及JEM(Jet Engine Modulation 發(fā)動(dòng)機(jī)調(diào)制回波)特征[5-8].參考文獻(xiàn)[7,8]指出在實(shí)際運(yùn)用中，過大的雷達(dá)接收系統(tǒng)噪聲以及機(jī)身分量都會(huì)淹沒發(fā)動(dòng)機(jī)槳葉回波分量，影響JEM信息的提取.參考文獻(xiàn)[9]在對目標(biāo)進(jìn)行分類時(shí)選擇貝葉斯分類器，貝葉斯分類技術(shù)是一種基于后驗(yàn)概率的最優(yōu)分類器，但是這種分類器依賴于目標(biāo)對應(yīng)特征出現(xiàn)的概率，需要大量的統(tǒng)計(jì)與分析，而實(shí)際中往往很難給出準(zhǔn)確的先驗(yàn)概率.參考文獻(xiàn)[10]基于BP神經(jīng)網(wǎng)絡(luò)以及參考文獻(xiàn)[1，11-12]基于支持向量機(jī)的分類技術(shù)也需要大量的數(shù)據(jù)來對分類器進(jìn)行訓(xùn)練學(xué)習(xí)才能給出比較好的分類結(jié)果.

針對提取目標(biāo)RCS以及JEM信息對雷達(dá)接收系統(tǒng)要求比較高，本文選擇利用目標(biāo)運(yùn)動(dòng)信息對目標(biāo)進(jìn)行分類，并且選擇模糊邏輯推理系統(tǒng)對目標(biāo)進(jìn)行分類，模糊邏輯推理系統(tǒng)不需要大量的數(shù)據(jù)訓(xùn)練系統(tǒng)，只需要輸入專家經(jīng)驗(yàn)就可以生成模糊規(guī)則，將目標(biāo)的狀態(tài)輸入系統(tǒng)就可以得到相應(yīng)的分類結(jié)果.

1.目標(biāo)特征提取與分析

低分辨率雷達(dá)能夠獲取目標(biāo)的坐標(biāo)位置(方位、距離、俯仰)信息，通過對目標(biāo)的持續(xù)跟蹤可以對目標(biāo)的高度以及速度進(jìn)行估計(jì)，而不同類別的飛機(jī)其設(shè)計(jì)執(zhí)行目的不同，在飛行階段在高度以及速度方面的表現(xiàn)不同，本文主要針對目標(biāo)的速度以及高度做為目標(biāo)分類的主要特征.

1.1 目標(biāo)運(yùn)動(dòng)特征分析

a)目標(biāo)的高度特征

空中常見的目標(biāo)分為三類，即戰(zhàn)斗機(jī)、直升機(jī)以及民航客機(jī)，其飛行高度從幾百米到上萬米都有可能.其中根據(jù)經(jīng)驗(yàn)可知直升機(jī)的飛行高度一般分布在幾百米到幾千米的高度范圍，由于其執(zhí)行的任務(wù)不同也可能會(huì)出現(xiàn)在更低的高度，但是也由于其自身限制一般很少出現(xiàn)在7 000m以上的高度；民航客機(jī)由于其需要遵守相關(guān)民航規(guī)定要按照固定的航線、速度以及高度飛行，其飛行高度一般在8 000～13 000m左右.而戰(zhàn)斗機(jī)由于其執(zhí)行任務(wù)的特殊性，其飛行高度最高可以達(dá)到20 000m以上,在15 000m一下與其它兩類目標(biāo)飛行高度也會(huì)有所重疊.

b)目標(biāo)的速度特征

直升機(jī)在執(zhí)行任務(wù)的飛行速度一般在200-300 km/h.民航客機(jī)由于其按照固定的路線以及高度飛行，其飛行速度一般也比較穩(wěn)定，無論是從安全性還是經(jīng)濟(jì)性考慮，一般客機(jī)都不會(huì)按照其最高速度巡航飛行，通常飛行速度在500～1 000 km/h之間，一般為省油狀態(tài)的900 km/h，起飛和降落時(shí)不到300 km/h.戰(zhàn)斗機(jī)的由于其執(zhí)行任務(wù)的特殊性，在空中飛行速度一般可以達(dá)到1 000 km/h以上，如殲十的公開資料可以知道，其高空的最大速度：2.0馬赫(2 260 km/h)，低空最大速度：1.2馬赫(1 473 km/h).從三類目標(biāo)穩(wěn)定飛行速度來看，三類目標(biāo)的速度重疊范圍較少，只有在某些飛行階段民航機(jī)以及戰(zhàn)斗機(jī)的速度可能會(huì)較小，其速度重疊可能會(huì)比較多難以分辨.

1.2 目標(biāo)運(yùn)動(dòng)特征信息提取

一般對空監(jiān)視雷達(dá)的量測數(shù)據(jù)為Z(t)=(ρ,θ,φ)，其中ρ表示目標(biāo)相對雷達(dá)的徑向距離，θ表示目標(biāo)相對于雷達(dá)的方位角，φ表示目標(biāo)相對于雷達(dá)的俯仰角，雷達(dá)的量測數(shù)據(jù)都是在以雷達(dá)為坐標(biāo)原點(diǎn)的極坐標(biāo)系下得到的，通過坐標(biāo)轉(zhuǎn)換可以得到目標(biāo)在以雷達(dá)為原點(diǎn)的笛卡爾坐標(biāo)系下的位置(x，y，z)，其坐標(biāo)轉(zhuǎn)換公式如下.

(1)

從公式1中得到目標(biāo)在直角坐標(biāo)系下的位置信息，就可以得到目標(biāo)的高度信息，而目標(biāo)的速度特征信息一般在對目標(biāo)進(jìn)行跟蹤的過程中利用各種跟蹤濾波算法對目標(biāo)的狀態(tài)進(jìn)行估計(jì)，就可以得到目標(biāo)的速度信息，常用的跟蹤濾波模型有卡爾曼濾波、無味卡爾曼濾波，交互式多模型等.在這里不做具體介紹，只利用其最后輸出的狀態(tài)估計(jì)，就可以得到目標(biāo)的高度以及速度信息，然后聯(lián)合利用速度以及高度信息對目標(biāo)進(jìn)行分類識別.

2.模糊邏輯推理系統(tǒng)

所謂模糊邏輯推理，是以模仿借鑒人腦處理不確定性概念時(shí)所采用的思維方式為基礎(chǔ)，針對模型未知的系統(tǒng)或者強(qiáng)非線性的對象，使用模糊集合或者模糊規(guī)則等理論方法來表達(dá)界限不清晰或者定性的知識經(jīng)驗(yàn)，從而實(shí)行模糊綜合判斷，解決一般方法不能處理的規(guī)則型模糊信息問題.

模糊邏輯在表達(dá)過渡性界限以及非定量的知識經(jīng)驗(yàn)方面十分擅長.通過引入隸屬度函數(shù)的概念，可以對模糊集合或者模糊關(guān)系進(jìn)行處理.

典型的模糊邏輯推理系統(tǒng)的構(gòu)成主要由以下四個(gè)部分：

a)輸入與輸出變量，主要指其隸屬度函數(shù)

b)模糊規(guī)則，主要指一些專家歷史經(jīng)驗(yàn)

c)模糊化方法和去模糊化方法

d)模糊推理算法

一般的模糊邏輯推理系統(tǒng)原理圖如圖1、表1所示.

圖1 基于標(biāo)準(zhǔn)模型的模糊邏輯系統(tǒng)的原理圖

表1 模糊變量和模糊值

模糊變量模糊值目標(biāo)高度高、較高、中、較低、低目標(biāo)速度非?？?、快、較快、中、較慢、慢、非常慢直升機(jī)是、可能是、中、可能不是，不是民航客機(jī)是、可能是、中、可能不是，不是戰(zhàn)斗機(jī)是、可能是、中、可能不是，不是

2.1 語義變量的模糊化處理

對于目標(biāo)運(yùn)動(dòng)信息描述傳統(tǒng)都是具體值，如高度8 765m，速度120m/s，而在模糊數(shù)學(xué)中，要將變量利用Fuzzy數(shù)學(xué)進(jìn)行模糊化處理.Fuzzy數(shù)學(xué)本質(zhì)上是引入"隸屬度"概念，舍棄原本集合與元素間是或非的關(guān)系描述方式，以[0，1]區(qū)間上的無窮多連續(xù)點(diǎn)，來精確地刻畫元素與模糊集合之間的關(guān)系，從而對模糊性對象進(jìn)行精確的描述和處理.

目標(biāo)高度：指由雷達(dá)量測得到目標(biāo)的飛行高度，利用“隸屬度”的概念將目標(biāo)的高度信息轉(zhuǎn)換成模糊化的語言，如高、低、較高、較低等模糊化語言.

目標(biāo)速度：指通過對目標(biāo)量測進(jìn)行濾波估計(jì)得到的目標(biāo)速度，同樣利用“隸屬度”的概念將目標(biāo)的速度信息轉(zhuǎn)換成模糊化的語言，如快、慢、較快、較慢等模糊化語言.

輸出變量模糊化：本系統(tǒng)的輸出為三類目標(biāo)的模糊值，對于本推理系統(tǒng)的輸出暫時(shí)定為某一類目標(biāo)的可能性，用是、可能等模糊語音進(jìn)行模糊化.

2.2 Mamdani模糊推理算法

模糊推理算法是模糊邏輯推理系統(tǒng)的核心，本文欲采用常用的Mamdani推理算法，下面對Mamdani推理算法進(jìn)行簡單的介紹，見圖2.

簡單的單輸入單輸出的推理算法模型

對于Mamdani模糊推理算法中，第一步要根據(jù)推理規(guī)則生成對應(yīng)的模糊推理過程中的模糊關(guān)系，其生成公式如下

R(x,y)=″A→B″(x,y)=μA(x)∧μB(y)

(2)

式中∧是Mamdani推理系統(tǒng)中的基本算子，具體涵義是取最小值，如下式3所示

(3)

對應(yīng)的式中∨算子的具體涵義是取最大值

(4)

那么對于給定的μA'(x)推理μB'(y)的公式為

(5)

將已知的模糊關(guān)系公式2代入公式5可以得

(6)

其中

(7)

其具體涵義為小前提中的模糊集A'與已知大前提中的模糊集A與的相似程度.

簡單的單輸入單輸出Mamdani推理過程如圖2所示.

多規(guī)則多輸入多輸出的Mamdani推理算法是多個(gè)簡單的單輸入單輸出的Mamdani算法并行結(jié)構(gòu).

圖2 簡單的單輸入單輸出的Mamdani算法示意圖

2.3 反模糊化處理

模糊邏輯推理系統(tǒng)的不能輸出精確值，是經(jīng)過模糊邏輯系統(tǒng)輸出的一個(gè)推理模糊集合，在具體運(yùn)用的時(shí)候在最后要將模糊集經(jīng)過反模糊運(yùn)算得到一個(gè)確定值，反模糊化運(yùn)算的方法有最大值法、質(zhì)心法以及重心加權(quán)平均法.

其中質(zhì)心法，也被稱作面積中心法，其原理是把得到的結(jié)果模糊集B的隸屬度函數(shù)與X軸圍成的閉合區(qū)域的質(zhì)心所對應(yīng)的V上的值作為反模糊化結(jié)果.質(zhì)心法利用了模糊集B的區(qū)域內(nèi)所有元素，是反模糊化方法中最為合理也是最為常用的方法.公式如式(8)所示.

(8)

2.4 基于matlab模糊控制工具箱的模糊邏輯推理系統(tǒng)

Matlab軟件集成了眾多工具箱，其中的模糊控制工具箱是專為模糊邏輯推理系統(tǒng)設(shè)計(jì)的，僅僅通過設(shè)定相應(yīng)參數(shù)，就可以非常便捷地控制系統(tǒng)的輸入以及輸出個(gè)數(shù)，并且可以通過設(shè)置模糊化語言以及選擇模糊推理方式，就可以很快得到所需要的模糊邏輯推理系統(tǒng)，而且修改也非常方便.圖3就是設(shè)計(jì)好的多規(guī)則多輸入多輸出模糊邏輯推理系統(tǒng)，相對于多規(guī)則多輸入單輸出系統(tǒng)而言，多規(guī)則多輸入多輸出為幾個(gè)單輸出的并集，這樣的設(shè)計(jì)比多規(guī)則多輸入單輸出更具效率.系統(tǒng)可以一次輸出對于三類目標(biāo)的分類結(jié)果.

系統(tǒng)中的模糊推理規(guī)則需要按照經(jīng)驗(yàn)進(jìn)行設(shè)置，用if(A)and(B)then(C)and(D)and(E)規(guī)則，如下所示

1.if(高度is低)and(速度is非常慢)then(直升機(jī)is是)(民航客機(jī)is不是)(戰(zhàn)斗機(jī)is不是)

2.if(高度is較低)and(速度is非常慢)then(直升機(jī)is是)(民航客機(jī)is可能不是)(戰(zhàn)斗機(jī)is不是)

3.if(高度is中)and(速度is非常慢)then(直升機(jī)is可能是)(民航客機(jī)is可能不是)(戰(zhàn)斗機(jī)is不是)

本系統(tǒng)共添加35條經(jīng)驗(yàn)規(guī)則，生成模糊關(guān)系如圖4(a-d)所示.

圖3 基于模糊邏輯的目標(biāo)分類系統(tǒng)

(a)

(b)

(c)

(d)

3.仿真

為了驗(yàn)證本章提出的基于模糊邏輯推理分類算法的有效性，通過matlab軟件對本算法進(jìn)行仿真驗(yàn)證.設(shè)置仿真場景為某一雷達(dá)監(jiān)視區(qū)域，區(qū)域內(nèi)生成30個(gè)目標(biāo)，三類目標(biāo)各10個(gè)，各類目標(biāo)初始狀態(tài)按照其所在范圍隨機(jī)生成，其中直升機(jī)類目標(biāo)的高度范圍為[1 000m,8 000m],速度范圍為[100km/h,350km/h]；民航客機(jī)類目標(biāo)的高度范圍為[4 000,15 000m],速度范圍為[200km/h,1 000km/h]；戰(zhàn)斗機(jī)機(jī)類目標(biāo)的高度范圍為[4 000m,24 000m],速度范圍為[500km/h,2 500km/h].時(shí)間間隔10s，仿真時(shí)長150s，仿真場景如圖5所示.

分類結(jié)果取模糊邏輯推理系統(tǒng)給出三類目標(biāo)分類概率最大值作為分類結(jié)果，統(tǒng)計(jì)30批目標(biāo)分類結(jié)果只有一個(gè)戰(zhàn)斗機(jī)在整個(gè)運(yùn)動(dòng)階段的其中3個(gè)周期內(nèi)被識別為民航客機(jī)，其他29批目標(biāo)均識別正確，因?yàn)楸菊绿岢龅乃惴ㄒ罁?jù)目標(biāo)的運(yùn)動(dòng)特性為目標(biāo)的飛行高度以及速度，從圖中看到即使某一戰(zhàn)斗機(jī)飛行高度比較低，但是其依然具有相對于直升機(jī)來說比較高的速度，可能超出了直升機(jī)應(yīng)有的速度極限，所以其依然被識別為戰(zhàn)斗機(jī).

將仿真場景蒙塔卡羅仿真10次統(tǒng)計(jì)識別結(jié)果如表2所示，其中只要目標(biāo)在整個(gè)周期中有不超過仿真周期的1/10次分類錯(cuò)誤就將其定義為分類正確.

表2 蒙塔卡羅10次仿真統(tǒng)計(jì)結(jié)果

目標(biāo)類型仿真?zhèn)€數(shù)分類正確個(gè)數(shù)直升機(jī)100100民航客機(jī)10098戰(zhàn)斗機(jī)10094

從表2的統(tǒng)計(jì)結(jié)果可以看出本系統(tǒng)對于直升機(jī)類型的目標(biāo)分類結(jié)果達(dá)到100%，因?yàn)橹鄙龣C(jī)由于自身限制其飛行高度以及飛行速度相對于其它兩類目標(biāo)都有比較大區(qū)別，所以均能正確分類；識別率最低的是戰(zhàn)斗機(jī)，由于戰(zhàn)斗機(jī)機(jī)動(dòng)性較強(qiáng)，其飛行高度以及速度區(qū)間跨度比較大，由于仿真時(shí)間較短，定義分類正確的規(guī)則比較嚴(yán)謹(jǐn)，只要有兩次分類錯(cuò)誤就將其定義為錯(cuò)誤分類，所以出現(xiàn)有6個(gè)戰(zhàn)斗機(jī)目標(biāo)超過兩次被分類為民航客機(jī)，而民航客機(jī)分別有一批目標(biāo)超過兩次被分類為戰(zhàn)斗機(jī)，另一批目標(biāo)被分類為直升機(jī)，如果將錯(cuò)誤分類定義為不超過整個(gè)周期的1/3，則10次仿真300批目標(biāo)只有一次分類錯(cuò)誤，識別率將大大提升.

圖5 仿真30批目標(biāo)場景圖

4.小結(jié)

本文通過對常見的三類目標(biāo)的運(yùn)動(dòng)特性進(jìn)行分析，通過對待分類的目標(biāo)的高度信息以及速度信息進(jìn)行模糊化處理，利用歷史經(jīng)驗(yàn)建立了模糊邏輯推理系統(tǒng)，對目標(biāo)進(jìn)行分類識別，通過仿真實(shí)驗(yàn)可以看出本系統(tǒng)能夠有效地對目標(biāo)進(jìn)行正確分類.

[1]王寶帥,杜蘭,劉宏偉,等.基于經(jīng)驗(yàn)?zāi)B(tài)分解的空中飛機(jī)目標(biāo)分類[J].電子與信息學(xué)報(bào),2012(9):2116-2121.

[2]BRANKOR,NEILG,AMANDAB.Ontargetclassificationusingkinematicdata[J].InformationFusion,2003,51:.[3]何翼,劉嚴(yán)巖,劉華軍.基于運(yùn)動(dòng)特征的分層模糊目標(biāo)識別[J].現(xiàn)代雷達(dá),2010(9):44-47.

[4]LEUNGH,WUJ.BayesianandDempster-Shafertargetidentificationforradarsurveillance[J].AerospaceandElectronicSystems,IEEETransactionson, 2000, 36(2): 432-447.

[5]LEEKC,WANGLT,OUJS,etal.Anefficientalgorithmfortheradarrecognitionofshipsontheseasurface[C]//OCEANS2007.IEEE, 2007: 1-6.

[6]XIAOJJ,NEHORAIA.Polarizationoptimizationforscatteringestimationinheavyclutter[C]//Acoustics,SpeechandSignalProcessing, 2008.ICASSP2008.IEEEInternationalConferenceon.IEEE, 2008: 1473-1476.

[7]程榮剛.基于JEM特征的空中飛機(jī)目標(biāo)分類方法研究[D].西安：西安電子科技大學(xué),2012.

[8]符婷.基于微多普勒特征的目標(biāo)分類方法研究[D].西安：西安電子科技大學(xué),2011.

[9]沈鳳龍,畢娟.基于BP神經(jīng)網(wǎng)絡(luò)分類器的多目標(biāo)識別方法研究[J].遼東學(xué)院學(xué)報(bào)(自然科學(xué)版),2008(4):205-209.

[10]賀文斌,陶建鋒,葉震.基于BP神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)識別算法研究[J].彈箭與制導(dǎo)學(xué)報(bào),2006(S7):650-652.

[11]廖東平.支持向量機(jī)方法及其在機(jī)載毫米波雷達(dá)目標(biāo)識別中的應(yīng)用研究[D].長沙：國防科學(xué)技術(shù)大學(xué),2006.

[12]王福友,羅釘,劉宏偉.低分辨機(jī)載雷達(dá)飛機(jī)目標(biāo)分類識別技術(shù)研究[J].雷達(dá)學(xué)報(bào),2014(4):444-449.

(責(zé)任編輯 魯越青)

Moving Target Classification Algorithm Based on Fuzzy Logic Inference System

Du Lei1Guo kun peng2Xue Anke3Shen Tuhan3

(1.Yuanpei College,Shaoxing University,Shaoxing,Zhejiang,312000; 2.Nanjing Changjiang Electronics Group Co.,Ltd.,Nanjing, Jiangshu 210038; 3.Institute of Information and Control, Hangzhou Dianzi University, Hangzhou, Zhejiang 310018)

With the increasingly complex battlefield environment, the work of surveillance target classification in the combat becomes growingly important. The paper mainly studies the narrowband radar target classification, analyzes the motion information of target based on its characteristics to obtain its height and velocity information, and establishes the fuzzy logic inference system through expertise. Estimated from the real-time input of target state, we get three predefined target classification results of the helicopter, civil aircraft and fighter. The simulation results show that the target classification algorithm based on the fuzzy logic inference system in real time can correctly classify the target according to its motion state.

fuzzy logic; radar target classification; motion information

10.16169/j.issn.1008-293x.k.2017.07.007

TP391;TN95

A

1008-293X(2017)07-0040-07

2016-02-21 作者簡介：杜 磊(1989- )，男，浙江東陽人，碩士，研究方向：雷達(dá)數(shù)據(jù)處理、目標(biāo)分類識別技術(shù).