一種戰場(chǎng)電磁信號識別技術(shù)

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

電磁戰場(chǎng)環(huán)境是作戰建模與仿真系統中不可或缺的一部分，不同的武器系統都有不同的電磁特征。戰場(chǎng)上，偵察系統可以對偵測到的電磁信號，通過(guò)對特定的特征信息進(jìn)行篩選和提取，然后進(jìn)行模式分析，得出電磁信號所屬的類(lèi)型或電磁輻射源的位置、配屬的相關(guān)武器及其變化規律等，從而對研究戰場(chǎng)電磁環(huán)境的組成、進(jìn)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
現代作戰規模越來(lái)越大，指戰員需要了解的信息越來(lái)越多，從而使得信息跟蹤、檢測、收發(fā)等技術(shù)及裝備迅猛發(fā)展，各式偵察傳感器的數量和種類(lèi)越來(lái)越多，電磁環(huán)境也就越來(lái)越復雜，電子對抗裝備系統的體系結構和規模也越來(lái)越龐大，這些都給電磁信號的識別技術(shù)有了很大的不確定性。而模糊邏輯的思想和D-S證據理論，可以很好地解決不確定性問(wèn)題，同時(shí)結合信號在時(shí)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(lǐng)域得到了廣泛應用，并在多傳感器信息融合中顯示出越來(lái)越強大的優(yōu)勢。電磁信號的識別可以通過(guò)建立相應的隸屬度函數轉化為模糊模式識別的問(wèn)題，即根據觀(guān)測樣本與己知模板庫中的樣本之間的距離，從而建立觀(guān)測樣本與模板中的各個(gè)樣本的相似度，最終確立觀(guān)測樣本所屬的類(lèi)別。
證據理論又稱(chēng)Demopster-Sharer理論或信任函數理論，它是經(jīng)典概率論的一種擴充形式。該算法用可信度、擬信度區間表達證據對結論的支持程度。通過(guò)獲取目標的相關(guān)信息，根據相應的推理知識庫，推導計算出目標的各屬性結論的可信度區間，并進(jìn)而判定出目標的屬性結論。D-S證據理論的最大特點(diǎn)是在證據中引入了不確定性，同時(shí)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，包括工作頻率、脈沖重復頻率、脈沖寬度、信號調制方式、頻率變化方式等。被偵測接收到的電磁信號，經(jīng)過(guò)相關(guān)、濾波、特征提取等處理后，將得到一個(gè)聯(lián)合特征矢量，其中矢量的各個(gè)參數分量代表電磁信號的各個(gè)特征，所給出的每一組特征參數代表一個(gè)待識別的電磁信號觀(guān)測樣本。
2．1 研究問(wèn)題表述
假設當前己知電磁數據庫中的模板樣本中有N類(lèi)電磁信號，其識別框架為：

式中：(j=1，2，…，N)表示第j類(lèi)信號，它是一個(gè)含k個(gè)特征參數的聯(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(gè)特征參數，它有多個(gè)取值。偵測接收到的電磁信號經(jīng)過(guò)特征提取后也會(huì )得到一個(gè)含k個(gè)特征參數的矢量X=(x1，x2，…，xk)T，其中xi是觀(guān)測樣本中的第i個(gè)特征參數。那么即可由下述步驟確定所接收的信號的種類(lèi)。
2．2 確定隸屬度函數
對于聯(lián)合特征矢量中離散型參數變量，如電磁信號的射頻調制方式、重頻調制方式、頻率變化方式等，可定義其隸屬度函數如下：

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

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

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

判別框架是己知電磁信號數據庫中經(jīng)過(guò)預匹配得到的模板樣本。
上面的隸屬度函數還不能合理地描述信號識別過(guò)程中的不確定性，同時(shí)多樣本觀(guān)測的合成在模糊推理框架下仍不能有效合成。為了便于利用證據理論對不同時(shí)間觀(guān)測樣本的信息進(jìn)行合成，可以運用下面的構造基本概率分配函數的方法：
首先對式(5)給出的隸屬度進(jìn)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(guān)測樣本和模板樣本的匹配存在著(zhù)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G中的各項隸屬度進(jìn)行一定的折扣運算，得到多樣本所提供證據的mass函數。