基于改進(jìn)D-S證據(jù)理論的MPAR行為狀態(tài)識(shí)別方法

高天昊， 曲 衛(wèi)， 董堯堯， 王鵬達(dá)， 姜浩浩

(航天工程大學(xué),a.研究生院; b.電子與光學(xué)工程系，北京 101000)

0 引言

隨著軍工裝備和軍事理論的迅猛發(fā)展，以多功能相控陣?yán)走_(dá)(Multifunction Phased Array Radar，MPAR)為代表的新式雷達(dá)裝備逐步進(jìn)入信息化戰(zhàn)場(chǎng)，其釋放的各種電磁信號(hào)，與自然界產(chǎn)生的電磁信號(hào)構(gòu)成了日益復(fù)雜的電磁環(huán)境[1]，具有電磁場(chǎng)實(shí)時(shí)改變、頻譜無限寬、能量密度不均、信號(hào)種類多樣以及攜帶信息復(fù)雜等特點(diǎn)。與此同時(shí)，MPAR具有靈活調(diào)度時(shí)間、空間和能量資源的能力以及多工作模式的特點(diǎn)，在認(rèn)知電子戰(zhàn)中扮演重要角色，世界各國(guó)加緊展開對(duì)多功能相控陣?yán)走_(dá)的行為認(rèn)知研究，期望通過對(duì)其行為規(guī)律的研究為指揮決策和干擾決策提供直接有效的情報(bào)支援。

早期的MPAR行為研究工作起源于VISNEVSKI[2]句法建模，其以“雷達(dá)字(Radar Word)”為最基本的模型單元，構(gòu)建了雷達(dá)字、雷達(dá)短語和雷達(dá)句子逐級(jí)遞進(jìn)的層級(jí)模型。后續(xù)進(jìn)行多功能相控陣?yán)走_(dá)的行為分析，也大多基于句法模型。部分專家學(xué)者進(jìn)行了雷達(dá)字提取的研究[3-5]，并取得了初步成效，但這僅僅是作為多功能相控陣?yán)走_(dá)行為研究的底層，仍需加強(qiáng)對(duì)后續(xù)更高層次行為的研究。近10年來又有研究人員陸續(xù)開展MPAR工作模式識(shí)別研究[6-9]，但大多基于空基和?；喙δ芟嗫仃?yán)走_(dá)，不具有通用性。本文重點(diǎn)關(guān)注多功能相控陣?yán)走_(dá)更高層次的行為狀態(tài)，為建立一個(gè)泛化能力更強(qiáng)的行為狀態(tài)識(shí)別方法展開研究。

1 MPAR行為轉(zhuǎn)變內(nèi)、外因分析

1.1 戰(zhàn)場(chǎng)環(huán)境態(tài)勢(shì)

1) 任務(wù)需求。MPAR通常裝載在較為先進(jìn)的戰(zhàn)機(jī)、戰(zhàn)艦和一些地基武器平臺(tái)上，而這些平臺(tái)在不同時(shí)刻、不同地點(diǎn)往往有著不一樣的任務(wù)，這在很大程度上影響了平臺(tái)上所搭載的MPAR的行為狀態(tài)。

2) 安全需求。MPAR作為體制先進(jìn)的雷達(dá)，不僅造價(jià)昂貴，而且是技術(shù)密集型產(chǎn)品，所以MPAR的行為狀態(tài)轉(zhuǎn)變很多時(shí)候也要從自身安全去考量，這也是影響MPAR行為狀態(tài)改變的一個(gè)關(guān)鍵因素。而影響自身安全的最直接的因素就是敵方的威脅，包括敵方作戰(zhàn)平臺(tái)的載彈量、武器彈藥的有效攻擊距離和彈藥毀傷程度等方面。

1.2 空間運(yùn)動(dòng)狀態(tài)

當(dāng)MPAR的行為狀態(tài)發(fā)生改變時(shí)，通常都伴隨著其空間運(yùn)動(dòng)狀態(tài)發(fā)生改變。根據(jù)WANG等[10]的研究，多功能相控陣?yán)走_(dá)行為狀態(tài)的改變除了與戰(zhàn)場(chǎng)態(tài)勢(shì)有關(guān)，還與其自身和檢測(cè)識(shí)別目標(biāo)的相對(duì)空間運(yùn)動(dòng)狀態(tài)有關(guān)。當(dāng)檢測(cè)目標(biāo)與MPAR距離相對(duì)較大且檢測(cè)目標(biāo)處于低速運(yùn)動(dòng)狀態(tài)時(shí)，MPAR轉(zhuǎn)變?yōu)樗阉鞯母怕蕰?huì)大于持續(xù)跟蹤的概率。如果檢測(cè)目標(biāo)速度不斷加快，徑向朝自身駛來，距離相對(duì)較大，那么MPAR的資源調(diào)度系統(tǒng)會(huì)將更多的資源分配給跟蹤任務(wù)。因此，搭載MPAR的武器平臺(tái)的距離d、速度v、加速度a等空間運(yùn)動(dòng)狀態(tài)信息與MPAR行為狀態(tài)的轉(zhuǎn)變密切關(guān)聯(lián)。

1.3 天線掃描方式

相較于常規(guī)雷達(dá)，MPAR有著更加復(fù)雜的系統(tǒng)結(jié)構(gòu)，其中一個(gè)極為獨(dú)特的部分就是相控陣?yán)走_(dá)天線。天線波束掃描是體現(xiàn)雷達(dá)工作特性的一個(gè)重要方面，具體是指為了能夠?qū)崿F(xiàn)對(duì)目標(biāo)區(qū)域的有效監(jiān)測(cè)，天線的波束通常會(huì)按照某種規(guī)律或規(guī)則對(duì)目標(biāo)區(qū)域進(jìn)行照射，所以天線掃描方式(Antenna Scanning Type，AST)[11]也是影響MPAR行為狀態(tài)變化的一個(gè)重要體現(xiàn)。

2 D-S證據(jù)理論的改進(jìn)

2.1 D-S證據(jù)理論存在問題分析

D-S證據(jù)理論在數(shù)學(xué)公式的推導(dǎo)上是非常嚴(yán)謹(jǐn)?shù)模窃趯?shí)際使用的過程中，面對(duì)一些極端情況，進(jìn)行D-S證據(jù)理論融合會(huì)得到不切實(shí)際的判決結(jié)果。以MPAR行為狀態(tài)識(shí)別為例，假設(shè)包含的行為狀態(tài)樣本空間為Θ={S,A,N,R,T}，其中，S為搜索，A為捕獲，N為非自適應(yīng)跟蹤，R為距離分辨，T為跟蹤保持。2條隱馬爾可夫鏈的基本概率賦值如下所述。

HMM1支持度為m1(S)=0.37,m1(A)=0,m1(N)=0.01,m1(R)=0,m1(T)=0.62;HMM2支持度為m2(S)=0,m2(A)=0.72,m2(N)=0.01,m2(R)=0.28,m2(T)=0。

如果使用傳統(tǒng)D-S證據(jù)理論，求得沖突因子K=0.000 1，使用傳統(tǒng)D-S證據(jù)理論合成規(guī)則可得m(N)=1,m(S)=m(A)=m(R)=m(T)=0。2條隱馬爾可夫鏈對(duì)N的支持度很低，但最后判決結(jié)果100%的指向?yàn)镹，這顯然與實(shí)際結(jié)果相差甚遠(yuǎn)。其次，當(dāng)HMM1中對(duì)A的基本概率賦值增加0.01后，其融合的結(jié)果m(A)將變?yōu)?.986，說明算法魯棒性很差。在基本概率賦值有微小變化時(shí)，融合結(jié)果將發(fā)生劇烈變化。此外，如果之前某個(gè)證據(jù)源對(duì)某狀態(tài)的支持度為0，無論怎么增加證據(jù)對(duì)該狀態(tài)的支持度，最后的融合結(jié)果也仍然是0。

2.2 D-S證據(jù)理論的改進(jìn)

根據(jù)2.1節(jié)對(duì)傳統(tǒng)D-S證據(jù)理論的分析可知，傳統(tǒng)D-S證據(jù)理論主要有3大缺陷：1) 對(duì)特殊基本概率賦值的融合結(jié)果很差，容易誤判；2) 算法魯棒性很差，在細(xì)微概率賦值變化的情況下，融合結(jié)果發(fā)生劇烈變化；3) 當(dāng)某焦元支持度為0時(shí)，存在“一票否決”現(xiàn)象。為了克服傳統(tǒng)D-S證據(jù)理論的不足，本文不改變合成規(guī)則，主要對(duì)證據(jù)模型進(jìn)行改進(jìn)，淡化證據(jù)沖突對(duì)融合結(jié)果的誤判影響。

假設(shè)存在p個(gè)證據(jù)源，q個(gè)焦元元素，第j個(gè)證據(jù)源對(duì)第i個(gè)焦元的基本概率賦值為mj(Ai)。首先引進(jìn)平均證據(jù)體，即將所有現(xiàn)有的證據(jù)進(jìn)行平均，得到平均概率賦值，作為一個(gè)新的證據(jù)體。將平均證據(jù)體對(duì)第i個(gè)焦元的基本概率賦值記為mave(Ai)(0

(1)

該方法可以有效解決“一票否決”的問題。此外，由于在實(shí)際的判決過程中，每個(gè)證據(jù)源的可信度并不是完全相同的，因此在進(jìn)行最后的融合時(shí)還應(yīng)考慮不同證據(jù)源的支持度。通過引進(jìn)每個(gè)證據(jù)源的可信度α，得到帶可信度的基本概率賦值，記為mα(Ai)(0

α=[α1α2α3…αp]

(2)

(3)

3 識(shí)別算法設(shè)計(jì)

影響MPAR行為轉(zhuǎn)變的內(nèi)、外因有很多，但是現(xiàn)有研究大多是基于雷達(dá)字?jǐn)?shù)據(jù)進(jìn)行其行為的識(shí)別工作。本文以雷達(dá)字信息為主體，通過加入運(yùn)動(dòng)狀態(tài)和天線掃描方式兩個(gè)輔助信息，提出了一種基于改進(jìn)D-S證據(jù)理論和HMM的MPAR行為識(shí)別方法。

該方法首先引入HMM，將MPAR的運(yùn)動(dòng)狀態(tài)和天線掃描方式作為構(gòu)成第1條隱馬爾可夫鏈的觀測(cè)集。

一方面，由于偵察方不能確定敵方的具體攻擊目標(biāo)，所以運(yùn)動(dòng)狀態(tài)中的距離d作為無效參數(shù)被刪除。按照MPAR的運(yùn)動(dòng)狀態(tài)，根據(jù)數(shù)值的相對(duì)大小建立不同的參數(shù)對(duì)應(yīng)關(guān)系，如表1所示，以此區(qū)別小、中、大3個(gè)層次。不同的層次對(duì)應(yīng)于MPAR不同工作狀態(tài)下的行為特性，是后期進(jìn)行MPAR行為辨識(shí)的重要依據(jù)之一。

表1 MPAR運(yùn)動(dòng)狀態(tài)描述Table 1 Description of MPAR motion states

另一方面，AST作為推斷MPAR行為狀態(tài)的重要依據(jù)，也是后期仿真數(shù)據(jù)集構(gòu)造的重點(diǎn)內(nèi)容之一。按照不同的屬性，可將天線的掃描方式分為不同的類別。本文主要從天線波束的驅(qū)動(dòng)機(jī)制進(jìn)行分類，將MPAR的AST分為電子掃描(Electronic Scan,ES)和機(jī)/電混掃(Mechanical/Electronic Mixed Scan,M/EMS)兩種。

由于M/EMS本身采用的天線也是ES，所以在進(jìn)行仿真時(shí)將其定義為一維電掃(One-Dimensional Elctronic Scan,1D ES)，將能同時(shí)測(cè)量方位向和俯仰向的AST定義為二維電掃(Two-Dimensional Elctronic Scan,2D ES)。同樣采取表的定義方式，將1D ES的AST對(duì)應(yīng)于字母s1，將2D ES的AST對(duì)應(yīng)于字母s2。

(4)

將雷達(dá)字序列作為構(gòu)成第2條隱馬爾可夫鏈的觀測(cè)集，記為V2。假設(shè)MPAR的雷達(dá)字共6個(gè)，分別是ω1，ω2，ω3，ω4，ω5，ω6，假定其只包含26種不同的狀態(tài)，每種狀態(tài)對(duì)應(yīng)4個(gè)雷達(dá)字，構(gòu)建MPAR的第2個(gè)觀測(cè)集，即

(5)

V1和V2一起構(gòu)成一個(gè)雙鏈HMM。先后運(yùn)用Baum-Welch和Viterbi算法估計(jì)觀測(cè)序列所隱藏的行為狀態(tài)序列，最后運(yùn)用改進(jìn)的D-S證據(jù)理論融合2條HMM鏈的估計(jì)結(jié)果，通過概率判決得到最后的結(jié)果。本文所提算法將MPAR行為識(shí)別問題轉(zhuǎn)化為一個(gè)概率估計(jì)結(jié)果的融合問題，主要分為4個(gè)小框架來完成最終的行為辨識(shí)目的，具體算法的流程見圖1。根據(jù)算法流程圖，4個(gè)框架依次為數(shù)據(jù)集劃分框架、模型訓(xùn)練框架、狀態(tài)預(yù)測(cè)框架和結(jié)果融合框架。

圖1 算法流程圖Fig.1 Flow chart of the algorithm

1) 數(shù)據(jù)集初始化和劃分。首先將初始的MPAR運(yùn)動(dòng)狀態(tài)和天線掃描方式轉(zhuǎn)換為字符形式數(shù)據(jù)集，作為HMM1的觀測(cè)序列數(shù)據(jù)集；將雷達(dá)字序列作為HMM2的觀測(cè)序列數(shù)據(jù)集。由于戰(zhàn)場(chǎng)中所面對(duì)的敵方MPAR平臺(tái)是非協(xié)作目標(biāo)，所以事先無法獲取敵方觀測(cè)序列與隱藏狀態(tài)的對(duì)應(yīng)關(guān)系，需要采用無監(jiān)督的模型訓(xùn)練方法。因此需要進(jìn)行數(shù)據(jù)集劃分，按照7∶3的關(guān)系將初始數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集。

3) 狀態(tài)預(yù)測(cè)。將模型訓(xùn)練得到的最優(yōu)參數(shù)模型作為狀態(tài)預(yù)測(cè)的輸入?yún)?shù)，采用Viterbi算法對(duì)測(cè)試集數(shù)據(jù)進(jìn)行狀態(tài)預(yù)測(cè)，分別得到HMM1觀測(cè)序列的估計(jì)結(jié)果1和HMM2觀測(cè)序列的估計(jì)結(jié)果2。

4) 結(jié)果融合。首先找出狀態(tài)預(yù)測(cè)中Viterbi算法得到的各節(jié)點(diǎn)相異狀態(tài)，將該狀態(tài)的最大概率值作為該狀態(tài)的概率賦值。由于各狀態(tài)概率值會(huì)隨著觀測(cè)序列訓(xùn)練長(zhǎng)度增加而逐漸變小趨于零，因此在進(jìn)行D-S證據(jù)理論融合之前，還要將各狀態(tài)的概率分布值進(jìn)行歸一化處理。完成歸一化處理之后，采用改進(jìn)的D-S證據(jù)理論完成最后的結(jié)果融合，得到最終的識(shí)別結(jié)果。

4 仿真實(shí)驗(yàn)和結(jié)果分析

按照第1章對(duì)MPAR行為轉(zhuǎn)變的內(nèi)、外因分析，本章的仿真數(shù)據(jù)集主要從戰(zhàn)場(chǎng)環(huán)境態(tài)勢(shì)、空間運(yùn)動(dòng)狀態(tài)、天線掃描方式以及表現(xiàn)雷達(dá)功能狀態(tài)的關(guān)鍵要素——雷達(dá)字序列著手。由于不同作戰(zhàn)環(huán)境下戰(zhàn)場(chǎng)態(tài)勢(shì)差別很大，對(duì)這部分內(nèi)容進(jìn)行仿真得出的識(shí)別模型不具有很強(qiáng)的泛化性，所以本文主要考慮從另外3個(gè)方面構(gòu)建仿真數(shù)據(jù)集驗(yàn)證本文所提的基于改進(jìn)D-S證據(jù)理論的雷達(dá)行為狀態(tài)識(shí)別方法。

實(shí)驗(yàn)場(chǎng)景設(shè)定：假設(shè)某國(guó)的導(dǎo)彈驅(qū)逐艦出現(xiàn)在我國(guó)某海域，由于戰(zhàn)場(chǎng)環(huán)境不斷變化，驅(qū)逐艦上所搭載的MPAR的行為狀態(tài)也將不斷變化，其行為狀態(tài)的轉(zhuǎn)變規(guī)律遵循圖2所示的轉(zhuǎn)換機(jī)制。

圖 2 行為狀態(tài)轉(zhuǎn)變規(guī)律Fig.2 Patterns of functional change

仿真生成MPAR的仿真數(shù)據(jù)集，一共10條，前7條用作訓(xùn)練數(shù)據(jù)集，后3條用作測(cè)試數(shù)據(jù)集。其中，距離、速度的數(shù)據(jù)集長(zhǎng)度與雷達(dá)字集長(zhǎng)度的1/4相等，隱藏行為狀態(tài)序列包括搜索(Search)，捕獲(Acquisition,ACQ)，非自適應(yīng)跟蹤(Non-Adaptive Track,NAT)，距離分辨(Range Resolution,RR)和跟蹤保持(Track Maintenance,TM)共5種狀態(tài)。依據(jù)目前公開的加拿大水星多功能雷達(dá)工作特性，設(shè)定MPAR功能狀態(tài)與觀測(cè)序列的對(duì)應(yīng)關(guān)系分別如表2和表3所示。

表2 功能狀態(tài)與觀測(cè)序列s的對(duì)應(yīng)關(guān)系Table 2 Correspondence between functional state and observation sequence s

表3 功能狀態(tài)與觀測(cè)序列ω的對(duì)應(yīng)關(guān)系Table 3 Correspondence between functional state and observation sequence ω

4.1 算法有效性驗(yàn)證

4.1.1 模型訓(xùn)練得分情況

首先進(jìn)行算法有效性驗(yàn)證實(shí)驗(yàn)。取訓(xùn)練數(shù)據(jù)集長(zhǎng)度為2100，測(cè)試集數(shù)據(jù)長(zhǎng)度為900。根據(jù)文獻(xiàn)[5]，將航速介于0～11 kn(1 kn≈1.852 km/h)之間記為低速，介于11～21 kn之間記為中速，超出21 kn記為高速，依次編碼為s1,s2,s3；記艦載武器最大射程為dmax，距離介于0～dmax/3編碼為s1，距離介于dmax/3～dmax編碼為s2，超出dmax編碼為s3。進(jìn)行100次Monte Carlo實(shí)驗(yàn)，模型訓(xùn)練的對(duì)數(shù)概率分值情況如圖3和圖4所示。

圖 3 ω模型訓(xùn)練的對(duì)數(shù)概率分值情況Fig.3 The log probability score of the ω model training

圖 4 s模型訓(xùn)練的對(duì)數(shù)概率分值情況Fig.4 The log probability score of the s model training

不難看出，相同實(shí)驗(yàn)條件下，模型訓(xùn)練100次會(huì)多次出現(xiàn)異常值。為了更清晰地觀察異常值情況，繪制圖3和圖4對(duì)應(yīng)的箱線圖分別如圖5和圖6所示。

圖 5 ω模型訓(xùn)練的對(duì)數(shù)概率分值箱線圖Fig.5 Box plot of log probability scores for ω model training

圖 6 s模型訓(xùn)練的對(duì)數(shù)概率分值箱線圖Fig.6 Box plot of log probability scores for s model training

ω模型訓(xùn)練產(chǎn)生了23次異常值(超過均值5%以上的有8個(gè))，s模型訓(xùn)練產(chǎn)生18次異常值(超過均值5%以上的有9個(gè))，異常值占比較高，會(huì)造成后續(xù)狀態(tài)識(shí)別結(jié)果的不穩(wěn)定性。因此本文對(duì)整體算法再次進(jìn)行改進(jìn)，首先增加n次模型訓(xùn)練次數(shù)得到不同的訓(xùn)練得分記為scorei(0

4.1.2 訓(xùn)練集長(zhǎng)度對(duì)識(shí)別性能的影響

使用運(yùn)動(dòng)狀態(tài)和天線掃描方式數(shù)據(jù)集進(jìn)行行為狀態(tài)識(shí)別的方法記為HMM-s，使用雷達(dá)字?jǐn)?shù)據(jù)集進(jìn)行行為狀態(tài)估計(jì)的方法記為HMM-ω，本文所提方法記為Modified-DS，通過對(duì)比實(shí)驗(yàn)研究訓(xùn)練集長(zhǎng)度對(duì)3種方法識(shí)別性能的影響。為了使仿真實(shí)驗(yàn)進(jìn)一步逼真現(xiàn)實(shí)戰(zhàn)場(chǎng)情況，設(shè)置前期進(jìn)行雷達(dá)字提取時(shí)所得雷達(dá)字的提取錯(cuò)誤率為8%，運(yùn)動(dòng)狀態(tài)提取錯(cuò)誤率為2%進(jìn)行仿真實(shí)驗(yàn)，識(shí)別結(jié)果取30次Monte Carlo實(shí)驗(yàn)的平均值，得到不同方法隨訓(xùn)練數(shù)據(jù)集長(zhǎng)度變化的識(shí)別準(zhǔn)確率對(duì)比見圖7。

圖 7 識(shí)別準(zhǔn)確率隨數(shù)據(jù)集長(zhǎng)度的變化Fig.7 Variation of recognition accuracy with dataset length

圖7展示的是在100個(gè)批次的數(shù)據(jù)集下，不同方法所得識(shí)別率的對(duì)比情況?？梢园l(fā)現(xiàn)，在最初數(shù)據(jù)集容量較小時(shí)，3種方法識(shí)別效果均較差，這主要是因?yàn)樵跀?shù)據(jù)量不夠的情況下，訓(xùn)練得到的模型參數(shù)存在較大誤差，進(jìn)而導(dǎo)致最后的預(yù)測(cè)效果不佳。當(dāng)達(dá)到15個(gè)批次后，各方法的識(shí)別準(zhǔn)確率將趨于穩(wěn)定，這對(duì)后續(xù)的實(shí)驗(yàn)設(shè)置具有一定的指導(dǎo)意義。這主要是因?yàn)殡S著數(shù)據(jù)長(zhǎng)度不斷增加，訓(xùn)練所得模型將逐步逼近于MPAR原始模型，所以識(shí)別準(zhǔn)確率逐步提升，最后趨于穩(wěn)定。此外，3種方法在模型訓(xùn)練穩(wěn)定后均有一定的識(shí)別準(zhǔn)確率突變點(diǎn)，這是因?yàn)樵O(shè)置了雷達(dá)字提取誤差，導(dǎo)致訓(xùn)練的模型存在一定的不穩(wěn)定性，造成最后的識(shí)別效果略有下降，但是在最差的情況下基于改進(jìn)D-S證據(jù)理論的識(shí)別方法仍有95.5%的識(shí)別準(zhǔn)確率，不影響改進(jìn)方法的整體性能。

4.2 雷達(dá)字提取性能對(duì)識(shí)別效果的影響

進(jìn)行高層次的MPAR行為識(shí)別的前提是首先完成好較低層次的行為辨識(shí)工作，其中最重要的工作之一就是進(jìn)行雷達(dá)字提取。為了驗(yàn)證所提改進(jìn)算法的魯棒性，本次實(shí)驗(yàn)首先將雷達(dá)字提取的準(zhǔn)確率設(shè)置為100%，之后每次降低0.5%，直到提取準(zhǔn)確率為50%。此外，根據(jù)圖7所展示的實(shí)驗(yàn)結(jié)果，在15個(gè)批次后訓(xùn)練模型將趨于穩(wěn)定，所以本次實(shí)驗(yàn)中訓(xùn)練數(shù)據(jù)集的大小設(shè)置為15個(gè)批次，分別進(jìn)行100次Monte Carlo實(shí)驗(yàn)，將平均值作為識(shí)別的最終結(jié)果，統(tǒng)計(jì)HMM-s，HMM-ω和Modified-DS這3種方法的識(shí)別準(zhǔn)確率如圖8所示。

圖8 識(shí)別準(zhǔn)確率隨雷達(dá)字提取錯(cuò)誤率的變化Fig.8 Variation of recognition accuracy with radar word extraction error rate

隨著提取雷達(dá)字的準(zhǔn)確率下降，也就是隨著雷達(dá)字提取的錯(cuò)誤率增大，HMM-ω和Modified-DS這2種方法的識(shí)別準(zhǔn)確率呈現(xiàn)波浪式下降趨勢(shì)，HMM-s的識(shí)別準(zhǔn)確率穩(wěn)定在89%左右，這是因?yàn)镠MM-s僅依靠MPAR的空間運(yùn)動(dòng)狀態(tài)和天線掃描方式來進(jìn)行最后的識(shí)別工作，所以基本不受影響。當(dāng)雷達(dá)字提取錯(cuò)誤率小于28%時(shí)，大多數(shù)情況下Modified-DS識(shí)別準(zhǔn)確率高于另外兩種方法。當(dāng)雷達(dá)字提取的準(zhǔn)確率小于72%時(shí)，雖然Modified-DS識(shí)別準(zhǔn)確率逐步下降并低于HMM-s方法，但仍高于HMM-ω方法，且在一般情況下，雷達(dá)字提取的準(zhǔn)確率會(huì)維持在80%以上。

5 結(jié)束語

根據(jù)MPAR的行為規(guī)律，首先從戰(zhàn)場(chǎng)環(huán)境態(tài)勢(shì)、空間運(yùn)動(dòng)狀態(tài)以及天線掃描方式這3個(gè)方面分析了影響MPAR的內(nèi)、外因素，并通過分析決定采用空間運(yùn)動(dòng)狀態(tài)、天線掃描方式這2個(gè)信息作為MPAR行為辨識(shí)的輔助信息。之后分別將可觀測(cè)信息和雷達(dá)字建立對(duì)應(yīng)的HMM鏈，最后結(jié)合改進(jìn)的D-S證據(jù)理論融合2條單鏈的估計(jì)結(jié)果，以此作為最終的識(shí)別結(jié)果。通過仿真實(shí)驗(yàn)證明了算法的有效性，在一定范圍內(nèi)，數(shù)據(jù)量的增大將使得最后識(shí)別準(zhǔn)確率逐漸提升，達(dá)到一定程度后保持穩(wěn)定；此外，改進(jìn)算法的魯棒性較強(qiáng)，在一定雷達(dá)字提取錯(cuò)誤率的前提條件下仍有不錯(cuò)的識(shí)別效果。但是改進(jìn)算法也存在不穩(wěn)定的缺陷，提升算法穩(wěn)定性將是下一步工作的重點(diǎn)。