[發明專利]一種復雜密集環境下雷達輻射源信號覆蓋分選方法

無效

• 申請號: 201210005956.1
• 申請日: 2012-01-10
• 公開（公告）號: CN102590791A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 國強;楊多;刁元鵬;萬建;高海波
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G01S7/02
• 分類號: G01S7/02
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張宏威

技術領域

本發明涉及一種雷達輻射源信號覆蓋分選方法。

背景技術

隨著電子技術的快速發展，越來越多的導彈制導武器被廣泛應用于現代戰爭，致使電子偵察環境中出現的雷達輻射源信號復雜而密集。各種具有多功能、多用途的現代新體制雷達的大量出現，使得一部雷達可能具有多種工作狀態，雷達輻射源信號參數呈現復雜的變化方式。現代體制雷達具有多種參數隨機變化的特點，可能同時具備載頻(RF)，脈寬(PW)，方位角(DOA)、脈沖重復周期(PRI)等參數的隨機捷變和抖動能力，造成常規信號分選參數表述的雷達信號參數空間存在嚴重交疊。由于上述原因，雷達信號分選和識別所利用的信號規律性被嚴重破壞，因此利用信號脈沖之間相關性的傳統信號分選方法對于特征參數空間交疊及復雜變化的雷達信號已不能較好的歸類。

目前在基于多參數的雷達信號分選算法中，比如傳統的依賴雷達輻射源數據庫的模板匹配方法，由于模板數據庫信息無法清晰描述復雜信號的變化情況，因此針對復雜多變信號分選效果較差。由于神經網絡本身具有快速并行處理能力以及很強的容錯能力等優點，在處理信號多參數最優邊界劃分的問題上取得了不錯的成績，所以神經網絡及支持向量機等智能算法被引入到了雷達信號分選識別系統中。此類方法雖然具有良好定義的確定結構，但是都是按照某種最優準則進行網絡結構調制和權值的確定，容易造成局部極小，過學習或者不收斂現象出現，而且存在網絡結構訓練時間較長和受參數初值選擇影響比較大、處理速度慢等缺點，并且硬劃分的分類處理方式忽略了交疊空間信號樣本存在的中介性以及雷達偵察信號客觀存在的不確定性因素。

因此為了克服復雜電磁環境下上述傳統雷達信號分選識別方法的局限性，需要一種能對特征參數存在交疊的雷達信號進行快速有效分選的新方法。

發明內容

本發明是為了解決目前在復雜密集環境及特征參數交疊嚴重情況下的雷達信號分選能力差問題，從而提供一種復雜密集環境下雷達輻射源信號覆蓋分選方法。

一種復雜密集環境下雷達輻射源信號覆蓋分選方法，它由以下步驟實現：

步驟一、選擇能夠標準化的雷達信號的特征參數作為輸入特征向量，并初始化雷達信號樣本參數空間；

步驟二、將步驟一所述的雷達信號樣本參數空間中的具有參數先驗信息的雷達信號通過覆蓋算法進行有監督的學習，即：用幾何覆蓋的形式來描述雷達信號樣本參數的分布特點；

步驟三、利用覆蓋算法將步驟二中的不同類別的雷達信號用不同的領域分隔開，完成對雷達信號的學習；

步驟四、采用云模型來表述每個待分選識別雷達信號的特征參數相對于步驟三中每個領域的隸屬程度，獲得該待分選識別雷達信號相對于步驟三中每個領域的隸屬程度的隸屬值；

步驟五、根據步驟四獲得的該待分選識別雷達信號相對于步驟三中每個領域的隸屬程度的隸屬值，采用判決準則對待測信號進行分選，完成復雜密集環境下雷達輻射源信號覆蓋分選。

步驟一中的能夠標準化的雷達信號的特征參數為傳統脈沖描述字參數(PW、RF、DOA、PRI)或脈內特征參數。

步驟二中所述的具有參數先驗信息的雷達信號是通過偵察的方式獲得的。

步驟三中所述利用覆蓋算法將步驟二中的不同類別的雷達信號用不同的領域分隔開，其原則是：每個覆蓋領域下只包含一類雷達信號，一類雷達信號能夠由多個不同的覆蓋領域組成。

步驟四中云模型是在傳統模糊集理論和概率統計的基礎上提出的定性定量不確定性轉變模型。

步驟四中采用云模型來表述每個待分選識別雷達信號的特征參數相對于步驟三中每個領域的隸屬程度的具體方法是：將覆蓋雷達信號的每個領域視為云模型中所指的定性概念，然后通過各個領域確定云模型所需要的參數，從而實現用云模型描述待分選識別雷達信號每個特征參數相對于每個領域的隸屬程度。