CN107423754B - 一种基于参数多属性自主智能决策的辐射源自动识别系统 - Google Patents

Abstract

本发明公开了一种基于参数多属性自主智能决策的辐射源自动识别系统，可以对单组或批量复杂体制侦测数据进行实时自动识别，基于用户提供的远程知识库连接可自动判别出是已知辐射源或未知辐射源，基于已知辐射源判别结果可自动识别出其类型或型号，基于未知辐射源判别结果可自动识别出其体制及参考类型或型号，针对批量侦测数据的识别处理时延优于1s；基于参数多属性自主智能决策处理实现对复杂体制辐射源的自动分类识别及已知类型或型号的自动准确识别，结合知识库形成相似性专家知识实现对未知辐射源体制的自动识别。

Description

一种基于参数多属性自主智能决策的辐射源自动识别系统

技术领域

本发明属于辐射源识别技术领域，涉及一种基于参数多属性自主智能决策的辐射源自动识别系统。

背景技术

随着电子技术的发展，特别是雷达、通信等技术的广泛应用，使得辐射源工作体制变得复杂多样，电磁环境变得愈加复杂。电子侦察系统侦获的辐射源参数也愈加多样化，仅依靠人工判读或简单比较查询方式去识别辐射源所属类型或型号存在耗时耗力、识别速度慢、识别准确率较低、未知辐射源体制难以识别等缺陷，因而对辐射源自动识别系统提出了越来越高的要求，主要表现在两个方面：一方面，针对知识库里已经掌握的已知辐射源侦获参数，要求能够进行辐射源类型或型号快速自动准确识别，并提高对跳频、捷变频等变化参数辐射源的识别准确率；另一方面，针对知识库里不掌握参数的未知辐射源，基于侦获参数能够结合专家知识快速自动识别其技术体制，为目标辐射源分类及所侦获参数是否编入新类型辐射源知识库做技术储备。

基于模式识别的辐射源识别方法总体可分为比较查询、神经网络、模糊集多属性理论三类，虽然这几类方法可应用于对已知辐射源进行识别，但只是辐射源自动识别系统中的一个环节，且对于同时关注未知辐射源体制的辐射源自动识别系统，目前未见相关研究。

发明内容

本发明的目的是为了克服已有技术的缺陷，为了解决对已知复杂体制辐射源的快速准确识别及对未知辐射源体制的自动识别问题，提出一种基于参数多属性自主智能决策的辐射源自动识别系统，以提升批量已知未知辐射源的识别准确率及识别效率，促进辐射源自动识别技术的推广应用。

一种辐射源自动识别系统，包括远程辐射源知识库加载模块、侦获辐射源参数录入模块、已知辐射源识别模块、未知辐射源识别模块以及辐射源识别结果输出模块，其中：

所述远程辐射源知识库加载模块：基于用户识别总体需求，通过Oracle查询方式自动选择性读取远程知识库，完成辐射源知识库的加载；

所述侦获辐射源参数录入模块：向用户提供待识别辐射源参数的录入界面，并执行参数导入操作；

所述已知辐射源识别模块：基于加载的辐射源知识库和录入的侦获辐射源参数，采用基于参数多属性自主智能决策的辐射源自动识别算法，完成对输入辐射源属性的判别，即将输入辐射源分为已知辐射源和未知辐射源；针对已知辐射源，自动识别出其所属类型或型号；对未知辐射源，送入未知辐射源识别模块；

所述未知辐射源识别模块：基于加载的辐射源知识库和录入的侦获辐射源参数，对未知辐射源进行分类并识别出其体制；

所述辐射源识别结果输出模块：在界面上以列表形式输出已知辐射源识别模块和未知辐射源识别模块的识别结果，并存储辐射源分类识别结果。

较佳的，所述侦获辐射源参数录入模块支持手动输入及远程批量导入辐射源参数录入模式。

较佳的，所述未知辐射源自动模块包括重合度系数计算子模块、相似性度量子模块、体制粗分类子模块、二次分类子模块以及融合判决模块，其中：

重合度系数计算子模块用于：根据输入的单组未知辐射源至少三个参数的变化特征与辐射源知识库模板矩阵中的每个类型或型号的对应参数的变化特征分别比较，估算相对于各类型或型号的重合度系数序列C_j，其中，j＝1,2,...,M，M为辐射源知识库模板矩阵中的辐射源类型或型号总数目；

体制粗分类子模块用于：将各个重合度系数与设定的重合度门限C_T进行比较：将大于门限C_T的所有知识库的类型或型号对应体制示数作为体制粗分类结果，同时记录知识库中对应的辐射源类型或型号代号作为参考类型或型号结果；若所有重合度系数均小于门限C_T，则将重合度系数最大值C_max对应的知识库中辐射源类型或型号代号作为参考类型或型号结果，将其体制示数作为体制粗分类结果；

相似性度量子模块用于：根据输入的单组未知辐射源的至少三个参数变化特征及变化范围，与辐射源知识库模板矩阵中的每个类型或型号的参数变化特征及变化范围，估算未知辐射源相对于各类型或型号的辐射源的相似性度量值序列S_j；

二次分类子模块用于：求取相似性度量值序列S_j中的相似性度量值最大值S_max，及确定最大值S_max对应于辐射源知识库中的类型或型号体制示数，将该体制示数作为体制识别二次分类结果，同时记录对应于知识库中的类型或型号代号作为参考类型或型号结果；

融合判决模块用于：根据体制粗分类子模块的体制粗分类结果及二次分类子模块的二次分类结果，采用体制融合判决得出体制融合判决结果，具体为：

(1)当C_j＞C_T时，若二次分类结果与粗分类结果一致或二次分类结果只是粗分类结果的一个子集，体制融合判决结果采用二次分类结果；若二次分类结果与粗分类结果不一致或起冲突，体制融合判决结果仍以二次分类结果为准；

(2)当C_j≤C_T时，若二次分类结果与粗分类结果一致或二次分类结果是粗分类结果的一个子集，体制融合判决结果采用二次分类结果；若二次分类结果与粗分类结果不一致或起冲突，体制识别结果仍以二次分类结果为准。

较佳的，重合度系数的计算过程如下：

设集合X表示未知辐射源的参数变化特征；集合V^j表示辐射源知识模板矩阵中第j个类型或型号辐射源对应参数的变化特征，则重合度系数计算公式如下：

其中，length(·)表示集合(·)中元素的个数，X∩V^j表示两个集合的交集，N表示参与比较的参数的变化特征的数目。

较佳的，设定门限C_T＝0.6。

较佳的，相似性度量值S_j的公式如下：

式中n为参与计算相似性度量值的辐射源参数个数；

是反映辐射源知识模板矩阵中第j类辐射源各参数重要程度的权系数，且

是体现辐射源知识模板矩阵中第j类辐射源参数取值范围相似度的关联系数，定义为

其中

为未知辐射源的对应参数变化范围，

为辐射源知识库模板矩阵中待比对类型或型号-对应参数的变化范围。

本发明具有如下有益效果：

1.辐射源自动识别系统可以对单组或批量复杂体制侦测数据进行实时自动识别，基于用户提供的远程知识库连接可自动判别出是已知辐射源或未知辐射源，基于已知辐射源判别结果可自动识别出其类型或型号，基于未知辐射源判别结果可自动识别出其体制及参考类型或型号，针对批量侦测数据的识别处理时延优于1s(不包含初次加载知识库的时延)。

2.辐射源自动识别系统基于参数多属性自主智能决策处理实现对复杂体制辐射源的自动分类识别及已知类型或型号的自动准确识别，结合知识库形成相似性专家知识实现对未知辐射源体制的自动识别。

3.辐射源自动识别系统具有自动识别结果分类细化直观显示及存储功能，包含已知及未知辐射源分类细化识别结果的列表显示、各模块运行时延的统计、及测试模式下的不同参数变化情形下细化识别准确率统计显示。

4.辐射源自动识别系统具有应用可扩展功能，可根据不用用户应用需求实现对不同类型关注辐射源的自动分类细化识别，在具有多参数估计支持条件下还可扩展应用于不同目标的自动分类细化识别。

附图说明

图1为本发明的辐射源自动识别系统的组成框图；

图2为本发明的未知辐射源识别模块的组成框图；

图3为本发明的辐射源自动识别系统工作流程图；

图4为本发明的基于参数多属性自主智能决策的辐射源自动识别算法处理流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

如图1所示，一种基于参数多属性自主智能决策的辐射源自动识别系统，包括：远程辐射源知识库加载模块、侦获辐射源参数录入模块、已知辐射源识别模块、未知辐射源识别模块以及辐射源识别结果输出模块，其中：

远程辐射源知识库加载模块：基于用户远程知识库配置，采用多机部署联合使用机制完成系统与远程辐射源知识库的连接，基于用户识别总体需求，通过Oracle查询方式自动选择性读取远程知识库，完成辐射源知识库的自动剪裁加载功能；

侦获辐射源参数录入模块：向用户提供待识别辐射源参数的录入界面，并执行参数导入操作；支持手动输入及批量导入两种辐射源参数灵活录入功能，在手动输入模式下可手动录入单组侦获的辐射源参数(包含频率(Fc)、脉冲重复周期(PRI)、脉冲宽度(PW)、信号带宽(Br)、调制方式(MF)等各参数变化范围、变化特征及变化个数，需至少包含三个参数的变化范围，某些参量可以未知)，在批量导入模式下支持用户远程数据库连接，将对应单批或多批侦察任务的多组侦察数据批量录入，可采用基于任务号等索引的动态链接形式；

已知辐射源识别模块：基于加载的辐射源知识库和录入的侦获辐射源参数，采用基于参数多属性自主智能决策的辐射源自动识别算法，完成对输入辐射源的属性的判别，即将输入辐射源分为已知辐射源和未知辐射源；针对已知辐射源，自动识别出其所属类型或型号；对未知辐射源，送入未知辐射源自动模块。

未知辐射源识别模块：基于加载的辐射源知识库和录入的侦获辐射源参数，对未知辐射源-自动分类并自动识别出其体制；

其中，如图2所示，未知辐射源自动模块包括重合度系数计算子模块、相似性度量子模块、体制粗分类子模块、二次分类子模块以及融合判决模块，其中：

重合度系数计算子模块用于：根据输入的单组未知辐射源至少三个参数的变化特征与辐射源知识库模板矩阵中的每个类型或型号对应参数的变化特征分别比较，估算相对于各类型或型号的重合度系数序列C_j，其中，j＝1,2,...,M，M为辐射源知识库模板矩阵中的辐射源类型或型号总数目，其中，至少三个参数的变化特征为至少包含三个参数，每个参数有一个变化特征参与比较，但同时每个参数都包含归属于不同输入数据或不同知识库中类型或型号的多个变化特征。

重合度系数的计算过程如下：

设集合X表示未知辐射源的参数变化特征；集合V^j表示辐射源知识模板矩阵中第j个类型或型号辐射源所属体制对应的参数变化特征，则重合度系数计算公式如下：

其中，length(·)表示集合(·)中元素的个数，X∩V^j表示两个集合的交集，N表示参数变化特征的数目。

体制粗分类子模块用于：将各个重合度系数与设定的重合度门限C_T进行比较：将大于门限C_T的所有知识库的类型或型号对应体制示数作为体制粗分类结果，同时记录知识库中对应的辐射源类型或型号代号作为参考类型或型号结果；若所有重合度系数均小于门限C_T，则将重合度系数最大值C_max对应的知识库中辐射源类型或型号代号作为参考类型或型号结果，将其体制示数作为体制粗分类结果；设定门限C_T＝0.6。

相似性度量子模块用于：根据输入的单组未知辐射源的至少三个参数变化特征及变化范围，与辐射源知识库模板矩阵中的每个类型或型号对应参数的变化特征及变化范围，估算未知辐射源相对于知识库中各类型或型号-辐射源的相似性度量值序列S_j；具体的，相似性度量值S_j，公式如下：

式中n为参与计算相似性度量值的辐射源参数个数；

是反映辐射源知识模板矩阵中第j类辐射源各参数重要程度的权系数，且

是体现辐射源知识模板矩阵中第j类辐射源参数取值范围相似度的关联系数，定义为

其中

为未知辐射源的对应参数变化范围，

为辐射源知识库模板矩阵中待比对类型或型号-对应参数的变化范围。

二次分类子模块用于：求取相似性度量值序列S_j中的相似性度量值最大值S_max，及确定最大值S_max对应于辐射源知识库中的类型或型号体制示数，将该体制示数作为体制识别二次分类结果，同时记录对应于知识库中的类型或型号代号作为参考类型或型号结果；

融合判决模块用于：根据体制粗分类子模块的体制粗分类结果及二次分类子模块的二次分类结果，采用体制融合判决得出体制融合判决结果，具体为：

(1)当C_j＞C_T时，若二次分类结果与粗分类结果一致或二次分类结果只是粗分类结果的一个子集，体制融合判决结果采用二次分类结果；若二次分类结果与粗分类结果不一致或起冲突，体制融合判决结果仍以二次分类结果为准；

(2)当C_j≤C_T时，若二次分类结果与粗分类结果一致或二次分类结果是粗分类结果的一个子集，体制融合判决结果采用二次分类结果；若二次分类结果与粗分类结果不一致或起冲突，体制识别结果仍以二次分类结果为准。

辐射源识别结果输出模块：基于人机交互界面，完成辐射源识别结果输出功能，在界面上以列表形式输出对应各组侦测数据的已知辐射源和未知辐射源的自动分类识别结果，在已知辐射源识别结果中包含与知识库中对应的识别类型或型号名称、识别置信度，在未知辐射源识别结果中包含识别体制类型、参考类型或型号(相对于辐射源知识库而言)、识别相似度(指相对于知识库中参考类型或型号的)，同时输出首次加载知识库的时延、批次侦测数据加载时延、识别算法处理时延，在基于人工判读结果进行测试情况下，还可进一步给出基于不同参数变化情形下的类型或型号识别准确率、体制识别准确率统计结果。

如图3所示，所述辐射源自动识别系统的工作过程为：系统在接到辐射源自动识别任务后，首先根据用户的总体识别需求，远程辐射源知识库加载模块读取远程知识库，完成辐射源知识库的自动剪裁加载；接下来，侦获辐射源参数录入模块采用手动或者批量导入的方式录入待识别辐射源的参数；然后，已知辐射源识别模块根据辐射源知识库和待识别辐射源参数，判别该辐射源为已知辐射源或者未知辐射源，并获得已知辐射源所属类型或型号；未知辐射源识别模块基于加载的辐射源知识库和录入的侦获辐射源参数，对未知辐射源-自动分类并自动识别出其体制；最后，将输出的辐射源自动分类识别结果传输给识别结果显示模块，完成对自动分类细化识别结果的直观列表显示，以及运行时间的统计显示，乃至识别准确率的细化统计，在用户要求条件下还可实现对识别结果的Excel表格形式存储，最终完成对该次辐射源自动识别任务的完整反馈，即在时延统计栏中最后显示“本次自动识别任务完成！”字样。

在用户总体识别需求和远程知识库配置信息不变情形下，若连续接到针对不同批次侦测数据的自动识别任务，直接从侦测数据加载控制过程开始。

如图4所示，基于参数多属性自主智能决策的辐射源自动识别算法的具体处理流程如下：

首先，读取单组手动输入参数，或按批内序号顺次读取每组侦测参数，同时读取剪裁加载的远程知识库数据模型；对于辐射源属性的判决过程为：采用多参数联合建模方式计算识别置信度，从而形成多属性决策矩阵；接下来，基于主客观赋权法获取用于决策的各参数复合权重值；然后，基于复合权值采用接近理想点法(TOPSIS法)进行决策求解，得到相对接近程度偏好向量并进行排序；之后，查看排序后的最大相对接近程度值是否大于门限(通常设为0.6，可据实际数据情况进行调整)，若大于门限则判为已知辐射源类型或型号，按最大相对接近程度值对应的知识库模板矩阵位置给出识别的辐射源类型或型号结果，并给出对应的识别置信度；若小于门限则判为未知辐射源，基于重合度系数得到体制粗分类结果，基于相似性度量值得到二次分类结果；再对体制粗分类结果和二次分类结果进行融合判决，给出相应的体制识别结果和相对于知识库的参考类型或型号、识别相似度等细化识别结果；最后，将判别为已知及未知的细化分类识别结果传输给识别结果显示模块，便于后者进行列表直观显示。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种辐射源自动识别系统，其特征在于，包括远程辐射源知识库加载模块、侦获辐射源参数录入模块、已知辐射源识别模块、未知辐射源识别模块以及辐射源识别结果输出模块，其中：

所述远程辐射源知识库加载模块：基于用户识别总体需求，通过Oracle查询方式自动选择性读取远程知识库，完成辐射源知识库的加载；

所述侦获辐射源参数录入模块：向用户提供待识别辐射源参数的录入界面，并执行参数导入操作；

所述已知辐射源识别模块：基于加载的辐射源知识库和录入的侦获辐射源参数，采用基于参数多属性自主智能决策的辐射源自动识别算法，完成对输入辐射源属性的判别，即将输入辐射源分为已知辐射源和未知辐射源；针对已知辐射源，自动识别出其所属类型或型号；对未知辐射源，送入未知辐射源识别模块；

所述未知辐射源识别模块：基于加载的辐射源知识库和录入的侦获辐射源参数，对未知辐射源进行自动分类并自动识别出其体制；

所述辐射源识别结果输出模块：在界面上以列表形式输出已知辐射源识别模块和未知辐射源识别模块的识别结果，并存储辐射源分类识别结果；

其中，所述未知辐射源识别模块包括重合度系数计算子模块、相似性度量子模块、体制粗分类子模块、二次分类子模块以及融合判决模块，其中：

重合度系数计算子模块用于：根据输入的单组未知辐射源至少三个参数的变化特征与辐射源知识库模板矩阵中的每个类型或型号的对应参数变化特征分别比较，估算相对于各类型或型号的重合度系数序列C_j，其中，j＝1,2,…,M，M为辐射源知识库模板矩阵中的辐射源类型或型号总数目；

体制粗分类子模块用于：将各个重合度系数与设定的重合度门限C_T进行比较，将大于门限C_T的所有知识库的类型或型号对应体制示数作为体制粗分类结果，同时记录知识库中对应的辐射源类型或型号代号作为参考类型或型号结果；若所有重合度系数均小于门限C_T，则将重合度系数最大值C_max对应的知识库中辐射源类型或型号代号作为参考类型或型号结果，将其体制示数作为体制粗分类结果；

相似性度量子模块用于：根据输入的单组未知辐射源的至少三个参数变化特征及参数变化范围，与辐射源知识库模板矩阵中的每个类型或型号的参数变化特征及变化范围，估算未知辐射源相对于第j个类型或型号辐射源的相似性度量值序列S_j；

二次分类子模块用于：求取相似性度量值序列S_j中的相似性度量值最大值S_max，及确定最大值S_max对应于辐射源知识库中的类型或型号体制示数，将该体制示数作为体制识别二次分类结果，同时记录对应于知识库中的类型或型号代号作为参考类型或型号结果；

融合判决模块用于：根据体制粗分类子模块的体制粗分类结果及二次分类子模块的二次分类结果，采用体制融合判决得出体制融合判决结果，具体为：

(1)当C_j>C_T时，若二次分类结果与粗分类结果一致或二次分类结果只是粗分类结果的一个子集，体制融合判决结果采用二次分类结果；若二次分类结果与粗分类结果不一致或起冲突，体制融合判决结果仍以二次分类结果为准；

(2)当C_j≤C_T时，若二次分类结果与粗分类结果一致或二次分类结果是粗分类结果的一个子集，体制融合判决结果采用二次分类结果；若二次分类结果与粗分类结果不一致或起冲突，体制识别结果仍以二次分类结果为准。

2.如权利要求1所述的一种辐射源自动识别系统，其特征在于，所述侦获辐射源参数录入模块支持手动输入及远程批量导入辐射源参数录入模式。

3.如权利要求1所述的一种辐射源自动识别系统，其特征在于，重合度系数的计算过程如下：

设集合X表示未知辐射源的参数变化特征；集合V^j表示辐射源知识模板矩阵中第j个类型或型号辐射源所属体制对应的参数变化特征，则重合度系数计算公式如下：

其中，length(·)表示集合(·)中元素的个数，X∩V^j表示两个集合的交集，N表示参与比较的参数的变化特征的数目。

4.如权利要求1所述的一种辐射源自动识别系统，其特征在于，设定门限C_T＝0.6。

5.如权利要求1所述的一种辐射源自动识别系统，其特征在于，相似性度量值S_j的公式如下：

式中n为参与计算相似性度量值的辐射源参数个数；W_i ^(j)是反映辐射源知识模板矩阵中第j类辐射源各参数重要程度的权系数，且

是体现辐射源知识模板矩阵中第j类辐射源参数取值范围相似度的关联系数，定义为

其中

为未知辐射源的对应参数变化范围，

为辐射源知识库模板矩阵中待比对类型或型号的对应参数变化范围。

Images