CN103076595A - 一种多元离散雷达辐射源信号的异常类型识别方法 - Google Patents

Abstract

本发明具体公开了一种多元离散雷达辐射源信号的异常类型识别方法，将接收的待识别雷达辐射源多元离散信号组合与已知雷达辐射源类型相应多元离散信号组合概率、异常类型门限进行比较，判断待识别雷达辐射源是否属于已知雷达辐射源类型或具体属于何种已知雷达辐射源类型，并判断是否属于异常类型。本发明根据雷达辐射源的多元离散信号组合概率对接收的雷达辐射源所属类型进行识别，提高了多元离散雷达辐射源信号的分析和处理能力，可以更好地完成多类雷达辐射源识别任务。

Description

一种多元离散雷达辐射源信号的异常类型识别方法

技术领域

本发明涉及一种雷达辐射源识别的数据分析处理领域，具体涉及一种多元离散雷达辐射源信号的异常类型识别方法。

背景技术

众所周知，加强对雷达辐射源信号的分析和处理，不仅能够提高雷达辐射源识别的准确率，而且能够筛选出雷达辐射源类型的有用信息。

现在随着雷达制造和侦察技术的发展，出现了越来越多的离散雷达辐射源信号。虽然学术界已经提出了多种雷达辐射源类型识别的方法，但是传统的雷达辐射源识别方法主要针对的是连续型雷达辐射源信号和单个离散型雷达辐射源信号，并没有考虑如何根据多元离散雷达辐射源信号组合来识别辐射源类型，也没有考虑如何根据多元离散雷达辐射源信号组合来判别属于异常类型辐射源（未知类型辐射源）的可能性。

因此，基于上述问题，本发明提出一种多元离散雷达辐射源信号的异常类型识别方法，可以提高离散雷达辐射源信号的处理能力，进而有助于提高多类雷达辐射源识别的准确率。

发明内容

发明目的：本发明的目的是针对现有技术在处理多元离散雷达辐射源信号方面的不足，提供一种多元离散雷达辐射源信号的异常类型识别方法。

技术方案：为达到上述发明目的，一种多元离散雷达辐射源信号的异常类型识别方法，假设已知雷达辐射源有n类，记为c₁，c₂，……，c_n，每条雷达辐射源样本由m个离散信号构成，该方法包括以下步骤：

步骤1，开始，计算各离散信号在已知雷达辐射源类型上的概率分布：假设各离散信号的分布是相互独立的，且每种离散信号s_i有q_i种可能的取值，

计算每种离散信号s_i在每类雷达辐射源c_j上q_i种可能取值的概率分布，记为

其中1≤k_i≤q_i，1≤i≤m，1≤j≤n，

概率

定义为类型c_j中离散信号s_i取值

的样本在所有类型c_j样本总数中的比率，其计算公式如下：

$P_{k_{i}j}=\frac{\mathrm{count}\left(\right\{o|o\∈c_j\mathrm{ando}.s_i=v_{{\mathrm{ik}}_i}\})}{\mathrm{count}\left(\right\{o|o\∈c_j\})}---\left(1\right).$

步骤2，计算已知雷达辐射源类型的多元离散信号组合概率：每类雷达辐射源c_j在m种离散信号上的多元离散信号组合可表示为

其中1≤k_i≤q_i，1≤i≤m，1≤j≤n，其多元离散信号组合概率可根据下式计算：

${\mathrm{Prob}}_j\left(V\right)={\mathrm{Prob}}_j(v_{{1k}_1}{v}_{{2k}_2}......v_{{\mathrm{mk}}_m})=p_{k_{1}j}\×p_{k_{2}j}\×......\×p_{k_{m}j}---\left(2\right).$

步骤3，计算已知雷达辐射源类型的异常类型门限：将每类雷达辐射源c_j的多元离散信号组合按照组合概率从大到小进行排序，排序结果表示为

其中，1、2、……、q₁×q₂×......×q_m为排序索引号，且 ${\mathrm{Prob}}_j\left(V_1\right)\≥{\mathrm{Prob}}_j\left(V_2\right)\≥......\≥{\mathrm{Prob}}_j\left(V_{q_1\×q_2\×...\×q_m}\right),$ 雷达辐射源类型c_j的异常类型门限T_j定义为类型c_j的排序索引号中其后所有多元离散信号组合的组合概率之和小于等于5％的最小排序索引号，即：

$T_j=\min \left({\mathrm{index}}_j\right|{\mathrm{Prob}}_j\left(V_{\mathrm{index}+1}\right)+{\mathrm{Prob}}_j\left(V_{\mathrm{index}+2}\right)+......+{\mathrm{Prob}}_j\left(V_{q_1\&times;q_2\&times;q_m}\right)<=5\%)---\left(3\right).$

步骤4，获取待识别雷达辐射源的多元离散信号组合：获取待识别辐射源在相同的m种离散信号上的信号组合，记为V_test。

步骤5，判断待识别雷达辐射源的多元离散信号组合是否超过所有已知雷达辐射源类型的异常类型门限：如果待识别辐射源的多元离散信号组合V_test在各类已知雷达辐射源类型上对应的排序索引号超过所有已知辐射源类型的异常类型门限，即indx_j(Vtest)>T_j，则进行步骤8、步骤9，否则，进行步骤6。

步骤6，计算待识别雷达辐射源属于异常类型门限内各已知类型的可信度：待识别雷达辐射源的多元离散信号组合V_test对应的排序索引号小于或等于已知辐射源类型的异常类型门限时，即

indx_j(V_test)≤T_j，计算待识别辐射源的多元离散信号组合属于异常类型门限内的各类辐射源c_j的可信度conf_j，由下式计算：

${\mathrm{conf}}_j=\frac{{\mathrm{Prob}}_j\left(V_{\mathrm{test}}\right)}{\underset{\{\&ForAll;k|{\mathrm{index}}_k\left(V_{\mathrm{test}}\right)\&le;T_k\}}{\mathrm{\&Sigma;}}{\mathrm{Prob}}_k\left(V_{\mathrm{test}}\right)}---\left(4\right).$

步骤7，判断待识别辐射源为可信度最大的类型：即判断待识别辐射源所属类型c_test为可信度conf_j最大的类型，即：

$\mathrm{class}\left(\mathrm{test}\right)=c_k|{\mathrm{conf}}_k=\max {\left({\mathrm{conf}}_j\right)}_{\{\&ForAll;j|{\mathrm{index}}_j\left(V_{\mathrm{test}}\right)\&le;T_j\}}---\left(5\right).$

步骤9，输出待识别辐射源类型，结束。

步骤2中，在各离散信号的分布是相互独立的假设条件下，可根据公式（2）计算多元离散信号组合概率，如果该假设条件不成立，则不能直接根据公式（2）计算多元离散信号组合概率，计算多元离散信号组合概率还可以采用其它方法。

步骤3中，将每类雷达辐射源c_j的多元离散信号组合按照组合概率从大到小进行排序时，如果存在两个或以上组合概率相等的多元离散信号组合，则这些组合概率相等的多元离散信号组合的相互先后顺序不影响已知辐射源类型的异常类型门限，因此不影响输出的识别结果。

步骤5中，已知辐射源类型的异常类型门限为一个索引号，判断待识别辐射源的多元离散信号组合在各类辐射源类型的排序索引是否在异常类型门限索引之后，如果在异常类型门限索引之前或者等于异常类型门限索引则不能排除待识别辐射源属于该辐射源类型的可能性，如果在异常类型门限索引之后则排除待识别辐射源属于该辐射源类型的可能性。

步骤6中，待识别辐射源的多元离散信号组合属于异常类型门限内的各类辐射源的可信度计算还可以采用其它的方法。

与现有技术相比，本发明的有益效果在于：在处理和分析接收的雷达辐射源信号时，不再仅局限于连续型和单个离散型的雷达辐射源信号，对多元离散雷达辐射源信号也可进行综合分析和处理，同时在分析和处理雷达辐射源信号时既考虑了属于已知雷达辐射源类型的可能性也考虑了属于异常类型的可能性，增强了多类雷达辐射源类型辨识能力。此外，还可以扩展应用到医疗效果预测、火山活动预测、传感器网络目标跟踪、电磁辐射源类别识别等其他类型识别任务中的离散特征分析，除了脉冲内部特征、重复间隔特征和脉冲调制特征三种离散信号特征外，也适用于其他的离散信号特征，如射频类型、脉冲宽度特征类型、天线波束扫描样式和辐射信号极化特征等。此外，该项技术计算成本低、易实现方法工程化，具有良好的工程应用前景。

附图说明

图1为本发明工作流程图。

具体实施方式

下面结合附图和具体实施例对本发明所提供的一种多元离散雷达辐射源信号的异常类型识别方法做详细说明。

如图1所示，一种多元离散雷达辐射源信号的异常类型识别方法，假设已知雷达辐射源有n类，记为c₁，c₂，……，c_n，每条雷达辐射源样本由m个离散信号构成，其异常类型识别方法包括以下步骤：

步骤1，计算各离散信号在已知雷达辐射源类型上的概率分布：假设各离散信号的分布是相互独立的，且每种离散信号s_i有q_i种可能的取值，

计算每种离散信号s_i在每类雷达辐射源c_j上q_i种可能取值的概率分布，记为

其中1≤k_i≤q_i，1≤i≤m，1≤j≤n，

概率

定义为类型c_j中离散信号s_i取值

的样本在所有类型c_j样本总数中的比率，其计算公式如下：

$P_{k_{i}j}=\frac{\mathrm{count}\left(\right\{o|o\&Element;c_j\mathrm{ando}.s_i=v_{{\mathrm{ik}}_i}\})}{\mathrm{count}\left(\right\{o|o\&Element;c_j\})}---\left(1\right)$

步骤2，计算已知雷达辐射源类型的多元离散信号组合概率：每类雷达辐射源c_j在m种离散信号上的多元离散信号组合可表示为

其中1≤k_i≤q_i，1≤i≤m，1≤j≤n，其多元离散信号组合概率可根据下式计算：

${\mathrm{Prob}}_j\left(V\right)={\mathrm{Prob}}_j(v_{{1k}_1}{v}_{{2k}_2}......v_{{\mathrm{mk}}_m})=p_{k_{1}j}\&times;p_{k_{2}j}\&times;......\&times;p_{k_{m}j}---\left(2\right)$

步骤3，计算已知雷达辐射源类型的异常类型门限：将每类雷达辐射源c_j的多元离散信号组合按照组合概率从大到小进行排序，排序结果表示为其中，1、2、……、q₁×q₂×.....×q_m为排序索引号，且 ${\mathrm{Prob}}_j\left(V_1\right)\&GreaterEqual;{\mathrm{Prob}}_j\left(V_2\right)\&GreaterEqual;......\&GreaterEqual;{\mathrm{Prob}}_j\left(V_{q_1\&times;q_2\&times;...\&times;q_m}\right),$ 雷达辐射源类型c_j的异常类型门限T_j定义为类型c_j的排序索引号中其后所有多元离散信号组合的组合概率之和小于等于5％的最小排序索引号，即：

$T_j=\min \left({\mathrm{index}}_j\right|{\mathrm{Prob}}_j\left(V_{\mathrm{index}+1}\right)+{\mathrm{Prob}}_j\left(V_{\mathrm{index}+2}\right)+......+{\mathrm{Prob}}_j\left(V_{q_1\&times;q_2\&times;q_m}\right)<=5\%)---\left(3\right)$

步骤4，获取待识别雷达辐射源的多元离散信号组合：获取待识别辐射源在相同的m种离散信号上的信号组合，记为V_test；

步骤5，判断待识别雷达辐射源的多元离散信号组合是否超过所有已知雷达辐射源类型的异常类型门限：如果待识别辐射源的多元离散信号组合V_test在各类已知雷达辐射源类型上对应的排序索引号超过所有已知辐射源类型的异常类型门限，即indx_j(V_test)>T_j，则进行步骤8，步骤9，否则，进行步骤6；

步骤6，计算待识别雷达辐射源属于异常类型门限内各已知类型的可信度：待识别雷达辐射源的多元离散信号组合V_test对应的排序索引号小于或等于已知辐射源类型的异常类型门限时，即indx_j(V_test)≤T_j，计算待识别辐射源的多元离散信号组合属于异常类型门限内的各类辐射源c_j的可信度conf_j，由下式计算：

${\mathrm{conf}}_j=\frac{{\mathrm{Prob}}_j\left(V_{\mathrm{test}}\right)}{\underset{\{\&ForAll;k|{\mathrm{index}}_k\left(V_{\mathrm{test}}\right)\&le;T_k\}}{\mathrm{\&Sigma;}}{\mathrm{Prob}}_k\left(V_{\mathrm{test}}\right)}---\left(4\right)$

步骤7，判断待识别辐射源为可信度最大的类型：即判断待识别辐射源所属类型c_test为可信度conf_j最大的类型，即：

$\mathrm{class}\left(\mathrm{test}\right)=c_k|{\mathrm{conf}}_k=\max {\left({\mathrm{conf}}_j\right)}_{\{\&ForAll;j|{\mathrm{index}}_j\left(V_{\mathrm{test}}\right)\&le;T_j\}}---\left(5\right)$

步骤9；输出待识别辐射源类型，结束；

实施例1

首先假设采集到的离散雷达辐射源信号数据来自两类不同的机载雷达：类1和类2，每类50个雷达辐射源信号数据样本。每个雷达辐射源采集到三种离散雷达辐射源信号：脉冲内部特征、重复间隔特征和脉冲调制特征。其中，脉冲内部特征有线性调频、频率分集和频率调频三种取值，重复间隔特征有脉间固定、脉间参差、脉间捷变和脉间编码四种取值，而脉冲调制特征有单脉冲和双脉冲两种取值。三种离散雷达辐射源信号在类1和类2上的分布如表1所示，待识别的两个离散雷达辐射源信号test₁和test₂在脉冲内部特征、重复间隔特征和脉冲调制特征上的离散取值如表2所示：

表1：离散雷达辐射源信号特征分布

表2：待识别的两个离散雷达辐射源信号

多元离散雷达辐射源信号的异常类型识别方法包括以下步骤：

步骤1，计算各离散信号在已知雷达辐射源类型上的概率分布，分别计算脉冲内部特征、重复间隔特征和脉冲调制特征三种离散信号特征在在每类雷达辐射源上的取值概率，以类1(c₁)的脉冲内部特征的线性调频取值为例，根据公式(1)计算其概率分布值为：计算结果如表3所示：

表3离散信号在已知雷达辐射源类型上的概率分布计算

步骤2，计算已知雷达辐射源类型的多元离散信号组合概率，以类1(c₁)的多元离散信号组合v₁₁v₂₁v₃₁为例，根据公式(2)计算其组合概率为：Prob₁(v₁₁v₂₁v₃₁)=0.4×0.3×0.9=0.108，计算结果如表4所示：

表4多元离散信号组合概率

步骤3，计算已知雷达辐射源类型的异常类型门限，将每类雷达辐射源c_j（j=1，2）的多元离散信号组合按照组合概率从大到小排序，排序索引号从1到24，因为脉冲内部特征、重复间隔特征和脉冲调制特征的取值数目分别为，q₁=3，q₂=4和q₃＝2，其乘积为24（q₁×q₂×q₃＝24），类1的多元离散信号组合排序为：

v₁₂v₂₃v₃₁(Prob₁(V₁)=0.216)＜v₁₂v₂₁v₃₁(Prob₁(V₂)=0.162)＜v₁₂v₂₂v₃₁(Prob₁(V₃)=0.162)＜v₁₁v₂₃v₃₁(Prob₁(V₄)=0.144)＜v₁₁v₂₁v₃₁(Prob₁(V₅)=0.108)＜v₁₁v₂₂v₃₁(Prob₁(V₆)=0.108)＜v₁₂v₂₃v₃₂(Prob₁(V₇)=0.024)＜v₁₂v₂₁v₃₂(Prob₁(V₈)=0.018)＜v₁₂v₂₂v₃₂(Prob₁(V₉)=0.018)＜v₁₁v₂₃v₃₂(Prob₁(V₁₀)=0.016)＜v₁₁v₂₁v₃₂(Prob₁(V₁₁)=0.012)＜v₁₁v₂₂v₃₂(Prob₁(V₁₂)=0.012)＜v₁₁v₂₄v₃₁(Prob₁(V₁₃)=0)＜v₁₁v₂₄v₃₂(Prob₁(V₁₄)=0)＜v₁₂v₂₄v₃₁(Prob₁(V₁₅)=0)＜v₁₂v₂₄v₃₂(Prob₁(V₁₆)=0)＜v₁₃v₂₁v₃₁(Prob₁(V₁₇)=0)＜v₁₃v₂₁v₃₂(Prob₁(V₁₈)=0)＜v₁₃v₂₂v₃₁(Prob₁(V₁₉)=0)＜v₁₃v₂₂v₃₂(Prob₁(V₂₀)=0)＜v₁₃v₂₃v₃₁(Prob₁(V₂₁)=0)＜v₁₃v₂₃v₃₂(Prob₁(V₂₂)=0)＜v₁₃v₂₄v₃₁(Prob₁(V₂₃)=0)＜v₁₃v₂₄v₃₂(Prob₁(V₂₄)=0)。

同时，类2的多元离散信号组合排序结果为：

v₁₃v₂₄v₃₂(Prob₂(V₁)=0.512)＜v₁₂v₂₄v₃₂(Prob₂(V₂)=0.128)＜v₁₃v₂₄v₃₁(Prob₂(V₃)=0.128)＜v₁₃v₂₁v₃₂(Prob₂(V₄)=0.064)＜v₁₃v₂₂v₃₂(Prob₂(V₅)=0.064)＜v₁₂v₂₄v₃₁(Pr ob₂(V₆)=0.032)＜v₁₂v₂₁v₃₂(Prob₂(V₇)=0.016)＜v₁₂v₂₂v₃₂(Pr ob₂(V₈)=0.016)＜v₁₃v₂₁v₃₁(Prob₂(V₉)=0.016)＜v₁₃v₂₂v₃₁(Prob₂(V₁₀)=0.016)＜v₁₂v₂₁v₃₁(Prob₂(V₁₁)=0.004)＜v₁₂v₂₂v₃₁(Prob₂(V₁₂)=0.004)＜v₁₁v₂₁v₃₁(Prob₂(V₁₃)=0)＜v₁₁v₂₁v₃₂(Prob₂(V₁₄)=0)＜v₁₁v₂₂v₃₁(Prob₂(V₁₅)=0)＜v₁₁v₂₂v₃₂(Prob₂(V₁₆)=0)＜v₁₁v₂₃v₃₁(Prob₂(V₁₇)=0)＜v₁₁v₂₃v₃₂(Prob₂(V₁₈)=0)＜v₁₁v₂₄v₃₁(Prob₂(V₁₉)=0)＜v₁₁v₂₄v₃₂(Prob₂(V₂₀)=0)＜v₁₂v₂₃v₃₁(Prob₂(V₂₁)=0)＜v₁₂v₂₃v₃₂(Prob₂(V₂₂)=0)＜v₁₃v₂₃v₃₁(Prob₂(V₂₃)=0)＜v₁₃v₂₃v₃₂(Prob₂(V₂₄)=0)；类1的异常类型门限T₁为9，因为∑_9<index≤24Prob₁(V_index)＝0.04<0.05，而∑_{9≤index≤24}Prob₁(V_index)＝0.058>0.05，同理，类2的异常类型门限T₂为8，因为Σ_8<index≤24Prob₂(V_index)＝0.04<0.05，而∑_7<index≤24Prob₂(V_index)＝0.056>0.05，表5总结了类1和类2上多元离散信号组合的排序结果：

表5多元离散信号组合的排序结果

步骤4，获取两个待识别的雷达辐射源的多元离散信号组合，V_test1＝v₁₃v₂₄v₃₂和V_test2v₁₃v₂₃v₃₁。

步骤5，判断待识别雷达辐射源的多元离散信号组合是否超过两个已知雷达辐射源类型的异常类型门限，多元离散信号组合V_test1和V_test2在类1上的排序索引号分别为24和21，均超过了类1的异常类型门限，多元离散信号组合V_test1和V_test2在类2上的排序索引号分别为1和23，如表5所示，待识别的雷达辐射源test₁对应类2的排序索引号小于异常类型门限T₂＝8，继续步骤6，待识别的雷达辐射源test₂超过已知两类辐射源的异常类型门限，进行步骤8、步骤9。

步骤6，计算待识别雷达辐射源test₁属于异常类型门限内各已知类型的可信度，由于待识别雷达辐射源test₁仅未超过类2的异常类型门限，根据公式（4）计算得到conf₂＝100%。

步骤7，根据公式（5）判断待识别辐射源test₁为可信度最大的类型c₂。

步骤9，输出待识别辐射源test₁的类型为c₂，结束。

其中步骤5中，假如超过所有异常类型门限；

则进行步骤8，判断待识别雷达辐射源test₂为异常类型；

进行步骤9，输出待识别辐射源test₂的类型为异常类型，结束。

步骤2中，在各离散信号的分布是相互独立的假设条件下，可根据公式（2）计算多元离散信号组合概率，如果该假设条件不成立，则不能直接根据公式（2）计算多元离散信号组合概率，计算多元离散信号组合概率还可以采用其它方法。

步骤3中，将每类雷达辐射源c_j的多元离散信号组合按照组合概率从大到小进行排序时，如果存在两个或以上组合概率相等的多元离散信号组合，则这些组合概率相等的多元离散信号组合的相互先后顺序不影响已知辐射源类型的异常类型门限，因此不影响输出的识别结果。

步骤5中，已知辐射源类型的异常类型门限为一个索引号，判断待识别辐射源的多元离散信号组合在各类辐射源类型的排序索引是否在异常类型门限索引之后，如果在异常类型门限索引之前或者等于异常类型门限索引则不能排除待识别辐射源属于该辐射源类型的可能性，如果在异常类型门限索引之后则排除待识别辐射源属于该辐射源类型的可能性。

步骤6中，待识别辐射源的多元离散信号组合属于异常类型门限内的各类辐射源的可信度计算还可以采用其它的方法。

应当指出，以上所述仅是本发明的优选实施方式，具体实现该技术方案的方法和途径很多，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种多元离散雷达辐射源信号的异常类型识别方法，其特征在于，假设已知雷达辐射源有n类，记为c₁，c₂，……，c_n，每条雷达辐射源样本由m个离散信号构成，其异常类型识别方法包括以下步骤：

步骤1，开始，计算各离散信号在已知雷达辐射源类型上的概率分布；

步骤2，计算已知雷达辐射源类型的多元离散信号组合概率；

步骤3，计算已知雷达辐射源类型的异常类型门限；

步骤4，获取待识别雷达辐射源的多元离散信号组合；

步骤5，判断待识别雷达辐射源的多元离散信号组合是否超过所有已知雷达辐射源类型的异常类型门限，如超过所有已知雷达辐射源类型的异常类型门限，则进行步骤8、步骤9，否则，进行步骤6；

步骤6，计算属于异常类型门限内各已知类型的可信度；

步骤7，判断待识别辐射源为可信度最大的类型；

步骤9，输出待识别辐射源类型，结束。

2.根据权利要求1所述的多元离散雷达辐射源信号的异常类型识别方法，其特征在于:

所述步骤1中，假设各离散信号的分布是相互独立的，且每种离散信号s_i有q_i种可能的取值，

计算每种离散信号s_i在每类雷达辐射源c_j上q_i种可能取值的概率分布，记为其中1≤k_i≤q_i，1≤i≤m，1≤j≤n，

概率

定义为类型c_j中离散信号s_i取值

的样本在所有类型c_j样本总数中的比率，其计算公式如下：

$P_{k_{i}j}=\frac{\mathrm{count}\left(\right\{o|o\&Element;c_j\mathrm{ando}.s_i=v_{{\mathrm{ik}}_i}\})}{\mathrm{count}\left(\right\{o|o\&Element;c_j\})}---\left(1\right);$

所述步骤2中，每类雷达辐射源c_j在m种离散信号上的多元离散信号组合可表示为

其中1≤k_i≤q_i，1≤i≤m，1≤j≤n，其多元离散信号组合概率可根据下式计算：

${\mathrm{Prob}}_j\left(V\right)={\mathrm{Prob}}_j(v_{{1k}_1}{v}_{{2k}_2}......v_{{\mathrm{mk}}_m})=p_{k_{1}j}\&times;p_{k_{2}j}\&times;......\&times;p_{k_{m}j}---\left(2\right);$

所述步骤3中，将每类雷达辐射源c_j的多元离散信号组合按照组合概率从大到小进行排序，排序结果表示为其中，1、2、……、q₁×q₂×......×q_m为排序索引号，且 ${\mathrm{Prob}}_j\left(V_1\right)\&GreaterEqual;{\mathrm{Prob}}_j\left(V_2\right)\&GreaterEqual;......\&GreaterEqual;{\mathrm{Prob}}_j\left(V_{q_1\&times;q_2\&times;...\&times;q_m}\right),$ 雷达辐射源类型c_j的异常类型门限T_j定义为类型c_j的排序索引号中其后所有多元离散信号组合的组合概率之和小于等于5％的最小排序索引号，即：

$T_j=\min \left({\mathrm{index}}_j\right|{\mathrm{Prob}}_j\left(V_{\mathrm{index}+1}\right)+{\mathrm{Prob}}_j\left(V_{\mathrm{index}+2}\right)+......+{\mathrm{Prob}}_j\left(V_{q_1\&times;q_2\&times;q_m}\right)<=5\%)---\left(3\right);$

所述步骤4中，将获取的待识别辐射源在相同的m种离散信号上的信号组合，记为V_test；

所述步骤5中，如果待识别辐射源的多元离散信号组合V_test在各类已知雷达辐射源类型上对应的排序索引号超过所有已知辐射源类型的异常类型门限，即indx_j(V_test)>T_j，则进行步骤8、步骤9，否则，进行步骤6；

所述步骤6中，将待识别的雷达辐射源的多元离散信号组合V_test对应的排序索引号小于或等于已知辐射源类型的异常类型门限时，即

indx_j(V_test)≤T_j，计算待识别辐射源的多元离散信号组合属于异常类型门限内的各类辐射源c_j的可信度conf_j，由下式计算：

${\mathrm{conf}}_j=\frac{{\mathrm{Prob}}_j\left(V_{\mathrm{test}}\right)}{\underset{\{\&ForAll;k|{\mathrm{index}}_k\left(V_{\mathrm{test}}\right)\&le;T_k\}}{\mathrm{\&Sigma;}}{\mathrm{Prob}}_k\left(V_{\mathrm{test}}\right)}---\left(4\right);$

所述步骤7中，判断待识别辐射源所属类型c_test为可信度conf_j最大的类型，即：

$\mathrm{class}\left(\mathrm{test}\right)=c_k|{\mathrm{conf}}_k=\max {\left({\mathrm{conf}}_j\right)}_{\{\&ForAll;j|{\mathrm{index}}_j\left(V_{\mathrm{test}}\right)\&le;T_j\}}---\left(5\right);$

所述步骤9，输出待识别辐射源类型，结束。

3.根据权利要求2所述的多元离散雷达辐射源信号的异常类型识别方法，其特征在于:

所述步骤3中每类雷达辐射源c_j的多元离散信号组合按照组合概率从大到小进行排序时，则存在两个或两个以上排序不同的组合概率相等的多元离散信号组合，此类排序不同的组合概率相等的多元离散信号组合不影响已知辐射源类型的异常类型门限的准确识别。

4.根据权利要求1或2所述的多元离散雷达辐射源信号的异常类型识别方法，其特征在于:

所述步骤5中索引号是存在的已知辐射源类型的一个异常类型门限，当接收的辐射源的多元离散信号组合在异常类型门限索引之前或等于异常类型门限索引则待识别辐射源可能属于该辐射源类型，在异常类型门限索引之后则待识别辐射源不属于该辐射源类型。

Images