林傳金 馬 捷 袁湘輝

（海軍91959部隊(duì)1） 三亞 502016）（海軍工程大學(xué)2） 武漢 430033）

1 引言

電磁信號監(jiān)測是民用無線電管理和軍用戰(zhàn)場頻譜監(jiān)測的重要任務(wù)。其目的是綜合利用各種信號檢測手段所獲取的信號參數(shù)，從合法電臺信號、常規(guī)通信信號及空間噪聲組成的各類背景信號中找出可能的目標(biāo)信號（即異態(tài)信號）。由于實(shí)際監(jiān)測中信號數(shù)量眾多，信號的調(diào)制方式、持續(xù)時(shí)間、中心頻率、帶寬等參數(shù)都在不斷變化，同時(shí)，不同傳播環(huán)境的信號之間存在明顯差異，要找出異態(tài)信號，具有較大難度。

人工免疫系統(tǒng)（AIS）是人們借鑒生物免疫系統(tǒng)的運(yùn)行機(jī)制，提出的是一種新興的智能計(jì)算技術(shù)，具有良好的“自我、非我”的識別、記憶以及自適應(yīng)學(xué)習(xí)能力，并具有良好的分布性和魯棒性，現(xiàn)已成功地應(yīng)用于計(jì)算機(jī)入侵檢測[1]、分類[3～4]、數(shù)據(jù)挖掘[5]等領(lǐng)域中。鑒于電磁信號監(jiān)測的需求與AIS特性的相似性，研究人員提出了基于人工免疫的異態(tài)電磁信號檢測模型[6]，初步將人工免疫系統(tǒng)應(yīng)用于信號監(jiān)測領(lǐng)域。實(shí)驗(yàn)表明，該模型在異態(tài)信號監(jiān)測的準(zhǔn)確性、檢測時(shí)間等方面具有一定優(yōu)勢。

然而，電磁信號監(jiān)測與計(jì)算機(jī)入侵檢測有著明顯的不同。入侵檢測主要是面對較為純凈的檢測環(huán)境，其選擇的輸入?yún)?shù)一般為協(xié)議類型、端口號、IP地址（TCP地址、UDP地址、ICMP地址）、訪問權(quán)限、數(shù)據(jù)流量等，這些參數(shù)一般較為準(zhǔn)確，波動較小。而電磁信號由于受到信號傳輸和檢測誤差的影響，所使用的參數(shù)（信號頻率、帶寬、點(diǎn)平、信號起止時(shí)間、來波方位等）都存在不同程度的波動。由于受到檢測器數(shù)量的限制，實(shí)際的人工免疫系統(tǒng)存在著“檢測空洞”[7]，如果異態(tài)信號分布在檢測器檢測空間的邊緣部分，參數(shù)的波動就可能使部分?jǐn)?shù)據(jù)點(diǎn)落到檢測空間之外，造成漏檢。同時(shí)，入侵檢測領(lǐng)域的信號空間僅存在正常空間和異?？臻g兩個直和的子空間。而在復(fù)雜電磁信號環(huán)境中，存在大量的無序噪聲，雖然可以通過信號處理的方法濾除大部分噪聲，但仍會有部分殘留。因此，信號空間除正常信號和異常信號子空間外還存在噪聲子空間，如果不進(jìn)行有效的處理，則會造成較大的虛警。

針對這些問題，本文借鑒免疫危險(xiǎn)理論的思想，提出了一種適用于噪聲環(huán)境的免疫電磁信號監(jiān)測算法。

2 免疫危險(xiǎn)理論（IDT）

傳統(tǒng)的免疫理論建立于Burnet提出的SNS（Self／Non－Self）理論之上，其核心功能就是對自我與非自我進(jìn)行區(qū)分。按照該理論，所有的抗原都分屬“自己”或“非己”，凡是被認(rèn)為是“非己”的抗原都將誘發(fā)免疫響應(yīng)。但是醫(yī)學(xué)研究表明，人體免疫系統(tǒng)并不會攻擊所有的外來物質(zhì)。針對傳統(tǒng)免疫模型的不足，Pony.Matzinger提出了免疫危險(xiǎn)理論（Immune Danger Theory，IDT）[8]。

不同于傳統(tǒng)免疫學(xué)的“自我－非我”識別模型，免疫危險(xiǎn)理論認(rèn)為人體免疫應(yīng)答是由危險(xiǎn)信號所引發(fā)的，并不一定所有非自體都會觸發(fā)免疫響應(yīng)。當(dāng)有抗原入侵時(shí)，B細(xì)胞與抗原相結(jié)合，并向T輔助細(xì)胞發(fā)出產(chǎn)生抗原識別信號。如果入侵的抗原導(dǎo)致了細(xì)胞非正常死亡，則受損細(xì)胞會發(fā)出危險(xiǎn)信號，這些信號被抗原提呈細(xì)胞（antigen present cells，APC）感知，然后由抗原呈遞細(xì)胞向T輔助細(xì)胞發(fā)出危險(xiǎn)確認(rèn)信號，T輔助細(xì)胞在接收到抗原識別信號和危險(xiǎn)確認(rèn)信號之后，激活免疫響應(yīng)，消滅引發(fā)危險(xiǎn)的抗原。

免疫危險(xiǎn)理論中有兩個重要假設(shè)：第一是“危險(xiǎn)區(qū)域”[9]，抗原識別信號在抗原其周圍建立了一個危險(xiǎn)區(qū)域。在該區(qū)域內(nèi)的B細(xì)胞產(chǎn)生與抗原相匹配的抗體，并被活化，同時(shí)開始克隆增殖過程。那些并不匹配的抗體或者離危險(xiǎn)信號較遠(yuǎn)的抗體不被激活。第二是“協(xié)同刺激”[12]，機(jī)體只有同時(shí)接收到抗原識別信號和危險(xiǎn)確認(rèn)信號，才會激發(fā)免疫反應(yīng)，如果只接收到其中之一，則不會發(fā)生免疫反應(yīng)。

圖1 危險(xiǎn)區(qū)域[9]與協(xié)同刺激[10]

傳統(tǒng)的人工免疫系統(tǒng)要求檢測器（抗體）對于所有的不同于“自己”的待測信號（抗原）都進(jìn)行識別處理。而為了要降低系統(tǒng)的漏檢概率，就必須要求建立一個盡量完備的檢測器集合，這個檢測器集合的數(shù)量會隨著檢測空間大小成指數(shù)規(guī)模增長[7]。這在實(shí)際監(jiān)測中，會導(dǎo)致處理資源和處理時(shí)間的極大浪費(fèi)。然而，按照IDT理論，并不需要對任何“非己”信號都進(jìn)行處理，也就是說在處理之前進(jìn)行篩選，僅對“危險(xiǎn)”信號進(jìn)行處理，從而可以極大的降低系統(tǒng)虛警，這與噪聲環(huán)境中的信號監(jiān)測實(shí)際需求不謀而合。

3 基于IDT的噪聲環(huán)境下電磁信號監(jiān)測算法

借鑒免疫危險(xiǎn)理論，可以將信號空間劃分為背景信號空間和非背景信號空間，其中非背景信號空間除異態(tài)信號外，還包含大量在去除噪聲階段殘留下來的突發(fā)噪聲，如圖2所示（本文不考慮自體空間與危險(xiǎn)抗原空間的交集部分）。

圖2 信號空間的劃分

在電磁信號監(jiān)測領(lǐng)域，異態(tài)信號在一定時(shí)間內(nèi)特性是較穩(wěn)定的。即雖然信號參數(shù)存在波動，使其在信號空間內(nèi)并非一個點(diǎn)，但是卻仍然按照一定規(guī)律分布在一定的信號域之內(nèi)。同時(shí)，由于頻譜資源有限，以及信號發(fā)射和接收設(shè)備的限制，某一信號一般只能按某種規(guī)律使用有限個數(shù)的頻譜資源，并不能隨意、無序的使用。而突發(fā)噪聲是隨機(jī)性事件，雖然從單個時(shí)間來看，其可能具備某些異態(tài)信號的特征，但總體上看，噪聲在信號空間內(nèi)的分布是完全無規(guī)律分布，不可能在一定時(shí)間內(nèi)穩(wěn)定的以某種規(guī)律在某一信號域內(nèi)聚成一系列有規(guī)律的點(diǎn)集。因此，信號監(jiān)測系統(tǒng)可以借鑒免疫危險(xiǎn)理論：當(dāng)初次出現(xiàn)非背景信號時(shí)，檢測器發(fā)出識別信號，要求系統(tǒng)對該檢測器進(jìn)行克隆選擇，以數(shù)量較多的危險(xiǎn)檢測器對該危險(xiǎn)區(qū)域進(jìn)行完備性的控守。如果該非背景信號是噪聲，危險(xiǎn)區(qū)域內(nèi)將很難連續(xù)地出現(xiàn)有規(guī)律的信號，這時(shí)危險(xiǎn)區(qū)域?qū)㈦S時(shí)間自動消亡；但如果是異態(tài)信號，其必將會持續(xù)的在危險(xiǎn)區(qū)域內(nèi)出現(xiàn)，這時(shí)系統(tǒng)才發(fā)出危險(xiǎn)確認(rèn)信號，將其進(jìn)行上報(bào)。這樣，就很大程度上排除了噪聲對監(jiān)測系統(tǒng)引起的虛警。

具體算法流程如下：

按文獻(xiàn)[6]的模型，假設(shè)信號參數(shù)為s維，產(chǎn)生的成熟檢測器集合為｛Abi∈Ab1×s，i＝1，…，m｝，待測信號集合為｛Agj∈Ag1×s，j＝1，…，n｝，檢測時(shí)，待測信號依照檢測順序依次進(jìn)入監(jiān)測系統(tǒng)。

步驟1 假設(shè)某一待測信號Agj被某一檢測器Abi檢測到，即親和度，其中ri，j＝‖Agi－Abj‖為檢測器Abi與待測信號Agj在s維空間的距離，w1為監(jiān)測親和度閾值。則檢測器Abi向系統(tǒng)發(fā)出識別信號Sig1；

步驟2 以O(shè)＝Agj為初始危險(xiǎn)區(qū)域中心，Ri，j＝k1×ri，j為危險(xiǎn)區(qū)域半徑（k1為常數(shù)，根據(jù)監(jiān)測區(qū)域內(nèi)的信號分布離散程度而定），建立初始危險(xiǎn)區(qū)域，并設(shè)置危險(xiǎn)區(qū)域的生命代數(shù)lifej；

步驟3 在初始危險(xiǎn)區(qū)域內(nèi)，對檢測器Abi進(jìn)行克隆選擇，其目的是保證在危險(xiǎn)區(qū)域內(nèi)檢測器覆蓋空間的完備性，并盡量減少檢測區(qū)域的覆蓋。

1）在危險(xiǎn)區(qū)域內(nèi)隨機(jī)生成初始危險(xiǎn)檢測器集合｛Ddp，p＝1，…，l｝；

2）對初始檢測器進(jìn)行克隆，克隆數(shù)目與該檢測器和危險(xiǎn)中心之間的距離成反比。即克隆檢測器個數(shù)為：

其中克隆系數(shù)k2為常數(shù)。

3）對克隆后的檢測器進(jìn)行變異，其變異率與該檢測器和危險(xiǎn)中心之間的距離成正比。即變異率為：

其中變異系數(shù)k3為常數(shù)。

4）檢測器抑制。計(jì)算經(jīng)過上述操作的各個檢測器之間的距離rp，q＝‖Ddp－Ddq‖，找出匹配度小于抑制閾值σ的檢測器連接，并將與危險(xiǎn)區(qū)域中心距離較遠(yuǎn)的檢測器刪除。

步驟4 繼續(xù)讀入待測信號，如果下一被檢測器檢測出的待測信號Agh落入危險(xiǎn)區(qū)域，則進(jìn)行如下操作：

計(jì)算Agh與步驟2中的危險(xiǎn)中心的距離，以危險(xiǎn)中心與Agh的空間中心點(diǎn)為新的危險(xiǎn)中心，以Ri，j＝k1×ri，j為危險(xiǎn)半徑，作為新的危險(xiǎn)區(qū)域，重復(fù)步驟3的操作，危險(xiǎn)區(qū)域的生命周期保持不變，即lifej＝lifej；

如果Agh沒有落入以上危險(xiǎn)區(qū)域，則轉(zhuǎn)到步驟2，以Agh為中心建立新的危險(xiǎn)中心，并縮短危險(xiǎn)區(qū)域j的生命周期，即lifej＝lifej－1；

步驟5 如果某危險(xiǎn)區(qū)域的生命周期超過危險(xiǎn)閾值的信號，發(fā)出危險(xiǎn)確認(rèn)信號Sig2，上報(bào)該信號；

步驟6 刪除生命周期結(jié)束（life＝0）的危險(xiǎn)區(qū)域，并將檢測出異態(tài)信號的危險(xiǎn)區(qū)域中距離的最終危險(xiǎn)中心最近的ξ%個檢測器作為記憶檢測器加以保留。

以上算法具有以下特點(diǎn)：

1）借鑒了危險(xiǎn)區(qū)域和協(xié)同刺激的原理，減少了突發(fā)噪聲對監(jiān)測系統(tǒng)的影響；

2）借鑒了免疫克隆選擇的原理，在未檢測出非背景信號的情況下，系統(tǒng)僅保持較少數(shù)量的檢測器用以信號監(jiān)測，從而在監(jiān)測工作量和監(jiān)測概率之間矛盾的之間維持平衡；一旦某檢測器檢測到可能的異態(tài)信號，即以該檢測器為中心進(jìn)行增值、變異，以保證一定時(shí)間內(nèi)的局部空間檢測器覆蓋的完備性，從而保證了監(jiān)測概率；

3）借鑒免疫記憶原理。在異態(tài)信號停止后，保留其中檢測數(shù)最高或親和度最高的檢測器作為記憶檢測器，在后續(xù)檢測時(shí)優(yōu)先用其與待測信號進(jìn)行匹配檢測，從而保證系統(tǒng)的高效性。

4 實(shí)驗(yàn)分析

4.1 檢測器分布模擬

為便于觀察，首先使用二維參數(shù)模擬本算法檢測器分布的情況。如圖3所示，成熟檢測器雖然基本覆蓋了非背景信號空間，但由于檢測器數(shù)量限制，檢測器之間存在“檢測空洞”。按本算法流程，如果異態(tài)信號的一個數(shù)據(jù)點(diǎn)被某檢測器檢測出來后，迅速以其為中心建立危險(xiǎn)區(qū)域，并對檢測器進(jìn)行克隆選擇操作，以保證在危險(xiǎn)區(qū)域內(nèi)檢測器覆蓋區(qū)域的完備性，確保能夠檢測出后續(xù)與其具有相同規(guī)律的信號點(diǎn)，而不受檢測參數(shù)波動的影響，從而保證檢測概率。但當(dāng)被檢測出來的是噪聲，后續(xù)監(jiān)測中該危險(xiǎn)區(qū)域內(nèi)將不太可能出現(xiàn)連續(xù)的具有相同分布規(guī)律的信號點(diǎn)，該危險(xiǎn)區(qū)域?qū)⒑芸煸谏芷诘狡诤笞詣酉?，從而基本上排除了突發(fā)噪聲對系統(tǒng)引起的虛警。

圖3 檢測器的分布示意圖

4.2 異態(tài)電磁信號監(jiān)測實(shí)驗(yàn)

下面，使用無線電信號監(jiān)測數(shù)據(jù)對本文提出的算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)采用某一體化接收機(jī)進(jìn)行數(shù)據(jù)接收，將空間接收的信號經(jīng)過自適應(yīng)門限去噪后，作為數(shù)據(jù)輸入。

將空間的民用廣播電臺等信號視為背景信號。使用某信號源，分別在不同信噪比條件下發(fā)射信號模擬異態(tài)信號。本實(shí)驗(yàn)的目的即驗(yàn)證本模型是否能有效地排除殘留的噪聲干擾，找出這些異態(tài)信號。

圖4為某接收機(jī)上的某信號頻段內(nèi)的時(shí)頻瀑布圖。由圖可知，經(jīng)過自適應(yīng)門限去噪等預(yù)處理后，信號空間仍存在一些明顯的功率較大的突發(fā)噪聲。經(jīng)過本算法處理后，在多維信號空間內(nèi)都無法聚成信號特征的突發(fā)噪聲被去除，信號空間得到明顯凈化。

圖4 信號時(shí)頻圖比較（縱軸為時(shí)間、橫軸為頻率）

為更好地衡量算法性能，本文在不同復(fù)雜程度的電磁環(huán)境下對本算法進(jìn)行測試。定義如下指標(biāo)：

·檢測概率Dc：檢測出的異態(tài)信號數(shù)量占發(fā)射的異態(tài)信號總數(shù)的比例；

·虛警概率Df：誤檢信號數(shù)（將噪聲或背景信號作為異態(tài)信號上報(bào)的數(shù)量）占上報(bào)信號總數(shù)的比例。

圖5 使用本算法前后的性能比較

使用本算法前后的監(jiān)測性能如圖5所示。由圖可見，采用本算法后，系統(tǒng)的虛警概率得到了明顯的降低；但在平均頻段占用度較高時(shí)，系統(tǒng)檢測概率略有下降。系統(tǒng)檢測概率下降的原因可能是由于電磁信號環(huán)境過于復(fù)雜，信號空間內(nèi)的一些特征類似于隨機(jī)噪聲的異態(tài)信號（如短時(shí)猝發(fā)通信信號）與噪聲特征相似度升高，其所產(chǎn)生的危險(xiǎn)區(qū)域生命周期未達(dá)到算法監(jiān)測閾值，以至形成漏警。但整體而言，采用本算法后，可以顯著地改善系統(tǒng)在噪聲環(huán)境下的性能，同時(shí)對系統(tǒng)的檢測概率影響不大，尤其在電磁信號環(huán)境復(fù)雜程度一般的監(jiān)測條件下，檢測概率幾乎不變。

5 結(jié)語

本文針對人工免疫系統(tǒng)運(yùn)用于電磁信號監(jiān)測領(lǐng)域時(shí)，殘留的噪聲會引起較多系統(tǒng)虛警的問題，基于免疫危險(xiǎn)理論，提出了一種適用于噪聲環(huán)境下電磁信號監(jiān)測算法。實(shí)驗(yàn)表明，本算法能夠較好地解決突發(fā)噪聲所引起的系統(tǒng)虛警問題，具有較強(qiáng)的實(shí)用價(jià)值。

[1]莫宏偉，左興權(quán).人工免疫系統(tǒng)[M].北京：科學(xué)出版社，2009

[2]Alexander O.Tarakanov.Immunocomputing for Intelligent Intrusion Detection[J].IEEE Computational Intelligence Magazine，2008（5）：22～30

[3]Tien Dung Do，Siu Cheung Hui，A.C.M.Fong，et al.Associative classification with artificial immune system[J].IEEE Transactions on Evolutionary Computation，2009，13（2）：217～228

[4]劉若辰，鈕滿春，焦李成.一種新的人工免疫網(wǎng)絡(luò)算法及其在復(fù)雜數(shù)據(jù)分類中的應(yīng)用[J].電子與信息學(xué)報(bào)，2010，32（3）：515～521

[5]Alex A.Freitas，Jon Timmis.Revisiting the Foundations of Artificial Immune Systems for Data Mining[J].IEEE Transactions on Evolutionary Computation，2007，11（4）：521～540

[6]Ma Jie，Shi Ying－chun，Zhong Zi－fa，et al.An Anomalistic Electromagnetism Signal Detection Model Based on Artificial Immune System[C]／／2010International Conference on Communications and Intelligence Information Security.Nanning，IEEE Computer Society，2010：256～260

[7]Zhou J，Dasgupta D.Revisiting negative selection algorithms[J].Evolutionary Computation，2007，15（2）：223～251

[8]Matzinger P.Danger model：a renewed sense of self[J].Science，2004，296（5566）：301～305

[9]Aickelin U，Bentley P，Cayzer S，et al.Danger theory：the link between AIS and IDS[C]／／Proceedings of the air 2nd International Conference on Artificial Immune System，2003：147～155

[10]胡風(fēng)新，郭紅瑾，孫運(yùn)芳.免疫算法理論及應(yīng)用研究[J].計(jì)算機(jī)與數(shù)字工程，2009，37（7）

[11]杜海娟.網(wǎng)絡(luò)入侵檢測系統(tǒng)中動態(tài)克隆選擇算法的優(yōu)化[J].2010，38（7）

[12]鄭宏.危險(xiǎn)理論與影像目標(biāo)檢測[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2009，34（7）：799～804