一種戰(zhàn)場電磁信號識別技術

摘要：電子技術的突飛猛進讓越來越多的電磁設備應用于戰(zhàn)場，從而使電磁信號的識別成為擺在廣大指戰(zhàn)員面前的難題。通過對電磁信號特征進行建模、利用模糊理論構造隸屬度函數(shù)計算綜合模糊隸屬度、用證據(jù)理論對樣本的信息進行合成，從而設計了一種基于模糊集和D-S證據(jù)理論的電磁信號識剮技術。最后，通過實驗仿真證實了該方法的可行性。
關鍵詞：模糊集；D-S證據(jù)理論；電磁信號；識別

電磁戰(zhàn)場環(huán)境是作戰(zhàn)建模與仿真系統(tǒng)中不可或缺的一部分，不同的武器系統(tǒng)都有不同的電磁特征。戰(zhàn)場上，偵察系統(tǒng)可以對偵測到的電磁信號，通過對特定的特征信息進行篩選和提取，然后進行模式分析，得出電磁信號所屬的類型或電磁輻射源的位置、配屬的相關武器及其變化規(guī)律等，從而對研究戰(zhàn)場電磁環(huán)境的組成、進行電磁威脅態(tài)勢的分析、目標判別、指揮決策都有極大的意義。

1 理論概述
現(xiàn)代作戰(zhàn)規(guī)模越來越大，指戰(zhàn)員需要了解的信息越來越多，從而使得信息跟蹤、檢測、收發(fā)等技術及裝備迅猛發(fā)展，各式偵察傳感器的數(shù)量和種類越來越多，電磁環(huán)境也就越來越復雜，電子對抗裝備系統(tǒng)的體系結構和規(guī)模也越來越龐大，這些都給電磁信號的識別技術有了很大的不確定性。而模糊邏輯的思想和D-S證據(jù)理論，可以很好地解決不確定性問題，同時結合信號在時間上的冗余信息，就能有效提高信號的識別率。
自從L．A．Zadeh在1965年提出了模糊集的概念后，模糊集理論在工業(yè)控制、經(jīng)濟決策、模式識別等領域得到了廣泛應用，并在多傳感器信息融合中顯示出越來越強大的優(yōu)勢。電磁信號的識別可以通過建立相應的隸屬度函數(shù)轉(zhuǎn)化為模糊模式識別的問題，即根據(jù)觀測樣本與己知模板庫中的樣本之間的距離，從而建立觀測樣本與模板中的各個樣本的相似度，最終確立觀測樣本所屬的類別。
證據(jù)理論又稱Demopster-Sharer理論或信任函數(shù)理論，它是經(jīng)典概率論的一種擴充形式。該算法用可信度、擬信度區(qū)間表達證據(jù)對結論的支持程度。通過獲取目標的相關信息，根據(jù)相應的推理知識庫，推導計算出目標的各屬性結論的可信度區(qū)間，并進而判定出目標的屬性結論。D-S證據(jù)理論的最大特點是在證據(jù)中引入了不確定性，同時又擺脫了先驗概率的限制。

2 電磁信號識別建模與算法步驟
電磁信號含有許多反映其屬性的特征參數(shù)，包括工作頻率、脈沖重復頻率、脈沖寬度、信號調(diào)制方式、頻率變化方式等。被偵測接收到的電磁信號，經(jīng)過相關、濾波、特征提取等處理后，將得到一個聯(lián)合特征矢量，其中矢量的各個參數(shù)分量代表電磁信號的各個特征，所給出的每一組特征參數(shù)代表一個待識別的電磁信號觀測樣本。
2．1 研究問題表述
假設當前己知電磁數(shù)據(jù)庫中的模板樣本中有N類電磁信號，其識別框架為：

式中：(j=1，2，…，N)表示第j類信號，它是一個含k個特征參數(shù)的聯(lián)合特征矢量：=(Uj1，uj2，…，ujk)T，Uji表示電磁輻射信號j的第i(i=1，2，…，k)個特征參數(shù)，它有多個取值。偵測接收到的電磁信號經(jīng)過特征提取后也會得到一個含k個特征參數(shù)的矢量X=(x1，x2，…，xk)T，其中xi是觀測樣本中的第i個特征參數(shù)。那么即可由下述步驟確定所接收的信號的種類。
2．2 確定隸屬度函數(shù)
對于聯(lián)合特征矢量中離散型參數(shù)變量，如電磁信號的射頻調(diào)制方式、重頻調(diào)制方式、頻率變化方式等，可定義其隸屬度函數(shù)如下：

對于聯(lián)合特征矢量中的連續(xù)模擬型參數(shù)變量，如電磁信號的工作頻率、重復頻率、脈寬等，采用正態(tài)型隸屬度函數(shù)表示為：

式中：σji是Uji偏差，稱為uUji(xi)的展度。Uji的取值是多個，可選取隸屬度函數(shù)中最大的作為該參數(shù)的隸屬度。
2．3 計算綜合模糊隸屬度
基于被觀測目標的許多特征矢量相關參數(shù)的重要性不同，因而必須進行經(jīng)過一事實上的加權處理。

2. 4 樣本信息合成
取t次觀測樣本，其中第i次樣本對已知電磁信號源數(shù)據(jù)中樣本的隸屬度集合為：

判別框架是己知電磁信號數(shù)據(jù)庫中經(jīng)過預匹配得到的模板樣本。
上面的隸屬度函數(shù)還不能合理地描述信號識別過程中的不確定性，同時多樣本觀測的合成在模糊推理框架下仍不能有效合成。為了便于利用證據(jù)理論對不同時間觀測樣本的信息進行合成，可以運用下面的構造基本概率分配函數(shù)的方法：
首先對式(5)給出的隸屬度進行歸一化處理，歸一化后的隸屬度記為，則：

由于一些不確定因子的影響，觀測樣本和模板樣本的匹配存在著不同程度的不可靠性，因而還需對歸一化處理后的隸屬度函數(shù)G中的各項隸屬度進行一定的折扣運算，得到多樣本所提供證據(jù)的mass函數(shù)。