[發明專利]一種雷達輻射源個體識別的大規模流式數據處理方法

在審

• 申請號: 201810181998.8
• 申請日: 2018-03-06
• 公開（公告）號: CN108470155A
• 公開（公告）日: 2018-08-31
• 發明（設計）人: 戴佳男;盛震宇
• 申請（專利權）人: 中國船舶重工集團公司第七二四研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種雷達輻射源個體識別的大規模流式數據處理方法，對已知的輻射源脈內特征波形模板庫進行訓練，計算模板庫中各波形之間的相似度，確定每個輻射源個體的相似度閾值；Spark Streaming分布式計算平臺對接收到的包含輻射源脈內信息的二進制中頻數據流進行解析計算，得出信號脈內瞬時幅度波形和瞬時頻率波形；以瞬時幅度和瞬時頻率兩種特性作為個體識別特征，使用動態時間規整算法對解析得出的波形與模板庫中的波形進行相似度計算，將相似度計算結果與相似度閾值進行比較，得出個體識別的結果。

技術領域

本發明屬于雷達輻射源信號識別技術領域，涉及一種雷達輻射源信號的個體識別方法。

背景技術

隨著電子信號被動偵測技術的發展，雷達輻射源信號個體識別已經成為電子信號被動偵測技術領域的研究熱點。區別于利用信號的五參數常規特征和脈內特征類型作為輻射源分類標準，提取輻射源信號的細微特征能夠識別出同一型號輻射源的不同個體，使得被動偵測識別能力得到提高。信號細微特征通常指由于雷達內部元器件的細微差異而產生的信號無意調制特性，該特性能夠唯一的標識個體。信號細微特征在工程實踐中應用的主要還是提取信號脈內特征(包括瞬時幅度、瞬時頻率和瞬時相位等)波形中附帶的無意調制信息。

現有研究大多采用信號細微特征相似度計算的方法實現輻射源的個體識別，但是在相似度閾值的選取上過分依賴專家等人為因素，閾值設定的隨意性較大；同時，現有研究大多是在單臺計算機上完成相似度計算過程，沒有考慮多傳感器、多型設備協同偵測帶來的大量、高速的輻射源數據流的情況，該情況對輻射源個體識別單機計算和存儲能力提出了更高的要求；進一步的，對于相似度計算后的個體識別結果如何滿足唯一性，現有研究也鮮有論述。

針對上述問題，本發明在相似度計算前對已知的輻射源脈內特征波形模板庫進行訓練，計算模板庫中各波形之間的相似度，確定每個輻射源個體的相似度閾值；在相似度計算過程中利用Spark Streaming構建分布式計算平臺，從高速數據流中快速計算輻射源信號脈內特征波形與已知模板波形的相似度大小，用于滿足雷達輻射源個體識別對于實時性的要求；在相似度計算后，選擇相比于原有模板波形具有更好區分度的特征波形對模板庫進行更新，保證個體識別的唯一性。其中，待識別波形與模板波形的相似度計算采用動態時間規整算法，該算法對于時間序列的延伸和壓縮不敏感，適用于兩個波形的相似度計算。

發明內容

本發明的目的在于提供一種雷達輻射源個體識別的大規模流式數據處理方法。

實現本發明目的的技術解決方案為：首先對已知的雷達輻射源信號脈內特征波形模板庫進行訓練，通過計算模板庫中各脈內特征波形之間的相似度，確定每個輻射源個體的相似度閾值，生成脈內特征波形閾值序列，相比于通過工程經驗確定的閾值，該過程利用了已知模板庫的分類能力；Spark Streaming分布式計算平臺通過套接字接收輻射源二進制中頻數據流，基于數據流時間窗口的大小數據流被劃分為離散的數據段，根據中頻二進制數據XML解析描述對每個數據段進行解析，得到每個信號的瞬時幅度波形和瞬時頻率波形各采樣點的值；以瞬時幅度和瞬時頻率兩種特性作為個體識別特征，使用動態時間規整算法對解析得出的兩種波形與模板庫中的波形進行相似度計算；搜索脈內特征波形閾值序列，將相似度計算結果與閾值序列中對應輻射源個體的閾值進行比較，大于等于閾值則認為兩個輻射源相似，存在多個滿足閾值條件的結果，取相似度值最大的兩個輻射源作為最終識別結果。上述過程利用Map/Reduce操作實現計算過程的并行性，滿足了大量、高速輻射源數據流情況下對輻射源個體識別實時性的要求；由于輻射源個體識別的唯一性，對于完成識別后的一對輻射源，選擇在模板庫中特征波形具有更好區分度的輻射源個體對模板庫進行更新。

附圖說明

圖1本發明流程圖。

圖2Map/Reduce操作。

具體實施方式

本發明的流程如圖1所示。