熊 沖 陸志宏

（1.江蘇科技大學電子信息學院 鎮(zhèn)江 212003）（2.中國船舶重工集團公司第七二三研究所 揚州 225001）

1 引言

隨著我國科技的不斷發(fā)展，導彈和航空等領域都取得了輝煌的成就，相繼研發(fā)誕生的各種精確制導武器及其對應的雷達和通訊設備，在一定程度上對飛機和艦船以及重要目標的威脅相比從前更加大了，在軍事指揮和通信方面的應用中電子技術扮演著一個重要的角色，隨著微電子技術和數(shù)字化技術發(fā)展和在現(xiàn)實中的應用，導致了電子戰(zhàn)也在不斷地發(fā)展中，特別是當面臨著電磁環(huán)境具有密集而且復雜多變等特點的時候，可以更好地人工智能識別以及分選復雜電磁環(huán)境中的目標信號，同時可以更好地對多目標體制的電子設備實施干擾。通過把下一步的活動或者動作賦予智力即為認知，我們對認知最早的認識來源于認知無線電，它由Joseph Mitol博士于1999年首次提出［1］。謝瑞云利用無線電技術中頻譜的感知原理對無線信道進行實時監(jiān)測與評估，對環(huán)境進行了實時的主動感知，同時對其中重要的頻譜進行了偵察與分析［2］。楊小軍在對認知雷達的研究中提出了認知雷達的基本概念并對認知雷達的研究現(xiàn)狀進行分析［3］，有了認知雷達后，有人將認知這一思想運用到電子戰(zhàn)中，國內(nèi)還沒有什么項目，已有少數(shù)學者構建了一個認知電子戰(zhàn)系統(tǒng)組成的框架圖，對認知電子戰(zhàn)有了初步的認識以及認知電子戰(zhàn)的關鍵技術進行了分析與研究［4～9］。針對電子戰(zhàn)系統(tǒng)中雷達偵察信號的認知技術處理方面，光曉俐提出了一種可行的偵察處理結構和流程以及認知技術的數(shù)字信道測頻方法［10］。針對認知偵察接收部分，王佩在幾個可施行結構上做了分析，通過對電磁環(huán)境的感知來分配頻譜資源，對接收到的信號進行分流調(diào)度，接收到的信號有強有弱，類別也參差不一，可以通過信號的強弱以及類別的不同來采取不同的算法同時進行處理，還可以根據(jù)信號的調(diào)制類型對信號進行自主區(qū)分，輻射源各個信號威脅等級也有不同，可根據(jù)威脅等級優(yōu)先處理高威脅目標信號［11］。

認知信號分選技術采用包絡智能判別方法以及“自適應”通道管理技術，解決復雜環(huán)境下通道脈沖采樣過程中的“邊界效應”問題，以及抑制并消除反射信號、剔除虛假目標、平滑目標角度跳變，基本解決了復雜電磁環(huán)境下針對多種特殊體制雷達偵察存在的目標虛警、漏警、變批、目標分選參數(shù)不穩(wěn)定的現(xiàn)狀，同時實現(xiàn)快速、實時引導，解決當前國內(nèi)電子戰(zhàn)目標分選的瓶頸問題。認知實時分選技術總體框圖如圖1所示，主要通過智能通道處理模塊、數(shù)據(jù)融合模塊、輻射源識別模塊這三大模塊來實現(xiàn)。通過態(tài)勢的評估后對算法級和參數(shù)級兩個方面進行調(diào)整?；镜乃惴ㄓ芯垲?、動態(tài)關聯(lián)、智能外推窗匹配法以及基于監(jiān)督和非監(jiān)督的自學習方法。

2 智能通道處理模塊

來自緩沖區(qū)的脈沖流首先利用參數(shù)將脈沖分配到對應的分區(qū)，脈沖進入分區(qū)后，首先查找與之匹配的確定通道，符合要求的置于確定通道中；如果查找不到匹配的確定通道（包括確定通道沒有建立的情況），就將脈沖存入臨時通道。當確定通道滿足一定的處理標準時，就將確定通道內(nèi)脈沖送至數(shù)據(jù)融合模塊。對于某些不能形成確定通道的脈沖，要定時從臨時通道中清除并存入預留區(qū)域待捷變頻分析。捷變頻分析是將頻率在某一范圍內(nèi)（頻率捷變范圍）的脈沖集合在一起，建立臨時通道和確定通道，用同樣的方法進行處理。

智能通道處理模塊采取的算法分別有：基于最鄰近試探規(guī)則的聚類算法、動態(tài)關聯(lián)法以及智能外推窗匹配法。其中智能窗外推匹配法利用卡爾曼濾波的方法對脈沖串進行智能預測，形成外推窗，如果存在脈沖落在窗內(nèi)，則說明脈沖與窗匹配，否則不匹配。下面分別介紹這些算法。

2.1 聚類算法

對于接收機測向比較精確的偵察設備，可以采用DOA-RF-PW聚類方法，對于接收機測向誤差比較大的偵察設備，可以采用RF-PW聚類方法。

假設第i個脈沖的PDW組成的向量為Xi，則Xi=[ ]RFiPWi；第k個分區(qū)的中心記為 Xok，則Xok=[ ]RFokPWok；脈沖i與分區(qū)k之間的相關系數(shù)定義為：

其中ΔRF、ΔPW 是RF、PW 允許的最大誤差。

首先將接收到的第1個脈沖存入分區(qū)1，并令Xo1=X1，將第2個脈沖與分區(qū)1的中心相關，即求M21，如果 M21≤Mthr（Mthr是選定的門限值），將脈沖2歸入分區(qū)1，并更新分區(qū)1的中心 XO1；如果M21＞Mthr，則建立新的分區(qū)2，并令 Xo2=X2。然后再將第3個脈沖與已有的分區(qū)分別相關，如果M31、M32都大于 Mthr，則建立新的分區(qū)3，并令Xo3=X3，否則將脈沖3歸入相關系數(shù)M3k( )k=1，2最小的分區(qū)中去。用這種方法對所有脈沖的參數(shù)進行分析，通過計算相關系數(shù)，比較閾值，決定歸屬，就可以將這些脈沖進行分類。

圖2是該方法的Matlab仿真結果，其中圖（a）是原始交錯的三部雷達輻射源信號的包絡圖，圖（b）是這三部雷達信號的 RF-TOA與 PW-TOA的分布圖，而圖（c）是聚類結果的RF-PW 的二維分布圖。圖（d）是聚類分選后的包絡圖，從圖中可以看出：利用基于最鄰近試探規(guī)則的聚類算法成功將3部雷達信號分選出來。

2.2 智能外推窗匹配法

當確定通道形成以后，后續(xù)脈沖必需先與確定通道的智能外推窗匹配，如果將匹配成功的脈沖存入相應的確定通道，不成功匹配的脈沖存入臨時通道。

根據(jù)卡爾曼濾波原理，利用已有的k個脈沖信號預測第k+1個脈沖的TOApre、PApre值，以預測值TOApre建立一個時間窗，以預測值PApre建立一個幅度窗，如果第k+1個脈沖的TOAk+1、PAk+1落入這兩個窗內(nèi)，就將RF與、PW與、k+1k+1DOAk+1與 進行比較，如果都在一定的容差內(nèi)，就認為第k+1個脈沖屬于該確定通道中，利用實際測量值修正估計值，更新原有序列參數(shù)；如果第k+1個脈沖的TOAk+1、PAk+1沒有落入窗內(nèi)，或者RFk+1等參數(shù)不在容差范圍內(nèi)，就認為第k+1個脈沖不屬于該確定通道。用同樣的方法分析后續(xù)的脈沖，當所有脈沖都分析完以后，對剩余的脈沖利用動態(tài)關聯(lián)法重新進行相關，重復以上步驟直到找不到原始脈沖組。圖3是動態(tài)關聯(lián)法以及智能外推窗匹配法的Matlab仿真圖。

其中圖（a）是原始信號。圖（b）是經(jīng)過聚類分區(qū)后的結果，由于兩部輻射源信號的參數(shù)非常接近，它們都被分入分區(qū)1。對分區(qū)1和分區(qū)2分別建立臨時通道，并對臨時通道內(nèi)的脈沖進行相關，其結果如圖（c）所示，分區(qū)1形成兩個確定通道，分區(qū)2形成一個確定通道。新到達的脈沖通過與智能外推窗匹配便可進入相應確定通道，最終結果如圖（d）所示。

如果在時間窗和幅度窗內(nèi)沒有脈沖，則表示可能有脈沖丟失，這時繼續(xù)預測第k+2個脈沖，根據(jù)實際情況設置可接受的脈沖丟失個數(shù)。也就是說，當連續(xù)預測了若干個時間窗和幅度窗都沒發(fā)現(xiàn)滿足條件的脈沖，則結束對該確定通道內(nèi)脈沖組的預測，返回并對剩余的脈沖繼續(xù)用同樣的方法處理。

3 數(shù)據(jù)融合模塊

數(shù)據(jù)融合就是將分裂的輻射源信號融合在一起，對同一輻射源信號置同一批號標志，抑制反射信號，判別目標是否消失，是否有新的目標出現(xiàn)。通過數(shù)據(jù)融合將目標轉化為輻射源描述字（EDW）來識別輻射源。

3.1 輻射源描述參數(shù)

可作為數(shù)據(jù)融合可靠依據(jù)的輻射源描述參數(shù)有：

1）雷達重復頻率PRI：可作為可靠的相關依據(jù)。

2）雷達頻率RF：雖然RF的測量誤差較大，但其均值可作為可靠的相關依據(jù)。

3）脈沖寬度PW ：對大于數(shù)毫秒脈寬的脈沖而言PW可作為可靠的相關依據(jù)。

4）目標角度DOA：對于測向較精確的偵查系統(tǒng)，可作為可靠的相關依據(jù)。

5）對于能夠測量極化方式、脈內(nèi)調(diào)制特征的偵察系統(tǒng)，極化方式和脈內(nèi)調(diào)制特征也可作為數(shù)據(jù)融合的可靠依據(jù)。重頻類型、雷達參差比等參數(shù)由于它們的準確性受到脈沖數(shù)的制約，只能作為數(shù)據(jù)融合的可選參數(shù)。

3.2 輻射源數(shù)據(jù)二次融合法

數(shù)據(jù)融合常用的方法為直方圖法，直方圖法是對每個分選結果做直方圖統(tǒng)計，通過比較分析直方圖的相似度來判斷分選結果是否屬于同一輻射源。本文根據(jù)搜索雷達輻射源的特征提出一種輻射源數(shù)據(jù)二次融合算法，該方法首先利用聚類法實現(xiàn)對輻射源信號初次融合，其次利用搜索雷達的特征進行第二次數(shù)據(jù)融合，最后利用卡爾曼濾波的方法對參數(shù)進行平滑。

搜索雷達要在一定范圍內(nèi)搜索目標，它們的包絡是周期性重復出現(xiàn)的，并且包絡的重復周期等于雷達的天線周期（AST）。因此對于搜索雷達，可利用當前包絡的中心時標和天線周期預測下一個包絡的到達時間。此外，包絡幅度的最大值也可作為數(shù)據(jù)融合的依據(jù)。

圖4所示為該方法的Matlab仿真，模擬以下四部參數(shù)相近的輻射源數(shù)據(jù)（共50批數(shù)據(jù)）來測試二次融合算法。輻射源1：載頻9406MHz，重復周期527μs，脈寬60μs，天線周期2.31 s；輻射源2：載頻9404MHz，重復周期507μs，脈寬30μs，天線周期2.45 s；輻射源3：載頻9403MHz，重復周期507 μs，脈寬30μs，天線周期2.51 s；輻射源 4：載頻9399MHz，重復周期507μs，脈寬30μs，天線周期2.26 s。

圖4 （a）所示為利用聚類算法進行第一次數(shù)據(jù)融合得到的結果，由圖可知輻射源2和輻射源3被融合在一起。根據(jù)輻射源特征，利用天線周期預測包絡到達時間（包絡的幅度特征用于輔助數(shù)據(jù)融合），在第一次數(shù)據(jù)融合的基礎上進行第二次融合，結果如圖4（b）所示，圖中4條“航跡”分別代表4部輻射源。

4 輻射源識別模塊

輻射源識別模塊有一個用于識別的輻射源數(shù)據(jù)庫，將分選融合出的輻射源信號與輻射源數(shù)據(jù)庫比對。如果是，則可調(diào)出有關該輻射源的詳細信息（甚至可以得到其裝載平臺的信息），并將這些信息反饋給通道處理模塊；如果不是數(shù)據(jù)庫中已有輻射源信號，則說明該信號是未知信號，將其補充到未知輻射源數(shù)據(jù)庫中。

5 結語

通過將認知的理論運用于電子偵察中可以達到實時地分選出信號的目的，通過聚類方法、外推窗匹配法以及數(shù)據(jù)融合方法相結合并進行了仿真，仿真結果表明了該方法的有效性和實時性，認知電子偵察也將是未來發(fā)展的一大重要方向。

［1］Mitola J.Cognitive radio：making software radiosmore per?sona［l J］.IEEEPersCommun，1999（4）：13-18.

［2］謝瑞云.基于認知無線電的通信信號識別技術［D］.成都：電子科技大學，2007：43-52.

［3］楊小軍，閆了了，鵬輝，張冉.認知雷達研究［J］.SOFT?WARE，2012，34（3）：26-33.

［4］張春磊.認知通信電子戰(zhàn)拉開序幕［J］.通信電子戰(zhàn)，2011（1）：16-19.

［5］戴幻堯，周波，雷昊，申緒澗.認知電子戰(zhàn)的關鍵技術發(fā)展動態(tài)與分析［J］.2014，44（9）：57-60.

［6］賈鑫，朱衛(wèi)綱，曲衛(wèi)，陳維高.認知電子戰(zhàn)概念及關鍵技術［J］.2015，26（4）：2095-3828.

［7］范忠亮，朱耿尚，胡元奎.認知電子戰(zhàn)概述［J］.電子信息對抗，2015，30（1）：1674-2230.

［8］張春磊，楊小牛.認知電子戰(zhàn)與認知電子戰(zhàn)系統(tǒng)研究［J］.中國電子科學院學報，2014，9（6）：1673-5692.

［9］沈妮，肖龍，謝偉，等.認知技術在電子戰(zhàn)裝備中的發(fā)展分析［J］.電子信息對抗技術，2011，26（6）：22-26.

［10］光曉俐.雷達偵察信號的認知處理技術研究［J］.電子科技，2016，13（07）：143-146.

［11］王佩，仇兆楊，祝俊，唐斌，等.雷達信號偵收自主處理結構分析［J］.電子信息對抗技術，2016，31（5）：25-29.

［12］趙洪峰，李旻.自適應技術在電子對抗匯中的應用［J］. 航天電子對抗，2015，31（1）：26-29.

［13］倪從云，黃華.認知電子戰(zhàn)系統(tǒng)組成及其關鍵技術研究［J］.船艦電子對抗，2013，36（3）：32-35

［14］李詩潤.戰(zhàn)場偵察雷達的目標識別技術研究［D］.南京：南京理工大學，2013：20-45.

［15］石榮，鄧科.雷達認知能力提升及其與EW的智能博弈［J］.雷達科學與技術，2015（3）：228-232.

［16］周華生.復雜電磁環(huán)境信號自動監(jiān)測和識別系統(tǒng)的開發(fā)［D］.北京：北京交通大學，2011：30-59.

［17］黎湘，范梅梅.認知雷達及關鍵技術研究進展［J］.電子學報，2012，40（9）：1863-1870.

［18］DARPA.Behavior Learning for Adaptive Electronic War?fare［P/OL］.［2010-07-09］.

［19］Haykin S.Cognitive radar：a way of the future［J］.IEEE SignalProcessingMagazine ，2006，23（1）：30-40.

［20］Lowe D，Webb A R.Optimized feature extraction and the Bayes decision in feed-forward classifier networks［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1991，13（4）：355-364.