CN109726734A - 一种基于辐射源侦察信息的目标平台自动识别系统 - Google Patents
一种基于辐射源侦察信息的目标平台自动识别系统 Download PDFInfo
- Publication number
- CN109726734A CN109726734A CN201811408876.4A CN201811408876A CN109726734A CN 109726734 A CN109726734 A CN 109726734A CN 201811408876 A CN201811408876 A CN 201811408876A CN 109726734 A CN109726734 A CN 109726734A
- Authority
- CN
- China
- Prior art keywords
- radiation source
- platform
- identification
- module
- local
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 222
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 18
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 101150061215 outM gene Proteins 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Measurement Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于辐射源侦察信息的目标平台自动识别系统,可实现基于单任务号或多任务号下批量辐射源侦察信息;的目标平台实时自动识别功能,基于用户提供的远程辐射源参数特征知识库、远程辐射源关联平台配置知识库可自动判别出辐射源型号识别结果及辐射源目标所属平台的种类或型号;针对单任务号下批量辐射源侦察信息的识别处理时延优于60s。
Description
技术领域
本发明属于目标平台识别技术领域,具体涉及一种基于辐射源侦察信息的目标平台自动识别系统。
背景技术
支持快速应用是星载无源侦察技术的重要发展趋势,面向快速应用需进行关注目标的高置信度识别。电子对抗侦察信息处理的最终目的是判别辐射源所属平台属性或型号,从而对目标进行威胁判断和特征分析等。在可获取到辐射源侦察信息背景下,充分利用平台辐射源关联特征为目标识别提供了一种有力途径,需经过由辐射源识别到辐射源关联平台识别的分层识别过程。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,对雷达或通信辐射源的自动识别提出了越来越高的要求。再者,辐射源侦察信息中往往也包含辐射源的定位信息,多辐射源的定位信息为关联于同一目标平台的航迹关联预处理提供了辅助信息。另一方面,电子侦察卫星地面应用系统对电子目标的分析处理仅借助于人工经验进行判读存在经验判读专员需求大、费时费力、识别速度慢等缺陷,对于批量辐射源侦察信息难以及时快速有效的实现识别判读,因而对电子目标的分析处理提出了自动化识别处理的需求,尤其对目标平台的识别提出了平台自动识别的紧迫需求。
目前对辐射源识别方法的研究较多,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。对辐射源自动识别系统也有研究,基于复合权重值的改进TOPSIS等算法可实现辐射源自动识别系统的自主智能决策。对航迹关联的研究方法也较多,如最近邻算法、概率数据关联算法等,但面向关联到同一目标平台的航迹关联预处理差异化需求未必可直接应用。目前对于辐射源与目标平台之间的关联方法的研究尚少,已有基于信息熵的目标平台识别算法利用辐射源与目标平台之间潜在的关联特征,以信息熵的形式进行关联平台识别,但在平台种类多达几十甚至几百、装配辐射源情形相对复杂时,由于参与识别处理的关联决策矩阵维数过大而使得平台快速自动识别处理性能受限。
综上所述,虽然辐射源自动识别有所研究,但只是目标平台自动识别的一部分,航迹关联预处理部分面向输入信息需要进行适应性改进,平台自动识别处理部分还需进一步考虑自动化平台识别方法,且对基于辐射源侦察信息由辐射源识别过渡到平台识别的目标平台自动识别系统,目前未见相关研究。
发明内容
有鉴于此,本发明的目的是提供一种基于辐射源侦察信息的目标平台自动识别系统,可以提升基于批量辐射源侦察信息的电子目标分析处理效率,促进目标平台自动识别技术的推广应用。
一种基于辐射源侦察信息的目标平台自动识别系统,包括辐射源侦察信息读取模块、两级远程知识库加载模块、辐射源型号自动识别模块、多辐射源自动航迹关联模块、辐射源目标平台自动识别模块、各级识别结果显示模块;其中:
所述辐射源侦察信息读取模块用于将单个任务号或多个任务号下的批量辐射源侦察信息数据读入,读入信息数据包含辐射源的参数和位置数据;
所述两级远程知识库加载模块用于加载辐射源参数知识库和辐射源关联平台知识库;
所述辐射源型号自动识别模块,基于所述辐射源侦察信息读取模块读入的所述辐射源参数信息及加载的所述辐射源参数知识库,完成对已知和未知辐射源的分类及对已知辐射源型号的识别,输出包括已知辐射源的名称和识别置信度的识别结果;
所述多辐射源自动航迹关联模块,基于辐射源识别型号、参数及读入的辐射源位置信息,完成多辐射源来源于几个平台的关联分析,输出关联平台数目及各关联平台上配置的辐射源型号名称、辐射源型号识别置信度;
所述辐射源目标平台自动识别模块,基于辐射源型号自动识别结果及航迹关联预处理后的各组关联结果,完成对辐射源目标关联平台种类或型号的识别功能,输出对应各组关联结果识别的目标平台种类或型号、平台的识别置信度信息;
所述各级识别结果显示模块,基于人机交互界面,在界面上以列表形式输出对应批量辐射源侦察信息的已知辐射源型号自动识别结果、多辐射源自动航迹关联预处理结果、多辐射源关联平台自动识别结果。
进一步的,所述辐射源目标平台自动识别模块包括动态剪裁配置知识形成子模块、局部关联决策矩阵重构子模块、局部信息熵及熵权计算子模块、局部关联决策矩阵调整子模块、平台识别决策值计算子模块、平台自动识别判决子模块、平台识别置信度计算子模块,其中:
所述动态剪裁配置知识形成子模块,在接收的辐射源型号或类型识别结果和基于定位辅助信息的航迹关联预处理结果中,整理得到关联到每一个平台上所有的辐射源,并确定数目;令关联到第i个平台的辐射源数目用mi表示;i=1,2,...,L,L表示航迹关联预处理结果中关联到的所有平台的数量;
然后在辐射源平台配置知识库模板矩阵中找到该mi个辐射源可能配属的所有平台,数目用ni表示;则得到第i个关联的平台对应的剪裁矩阵Ai,剪裁矩阵Ai的维数为mi×ni;
遍历所有关联的平台,得到各个关联的平台对应的剪裁矩阵Ai,i=1,2,...,L;
剪裁矩阵Ai中各元素表示第j型辐射源相对于第k种平台的装配情况,根据辐射源平台配置知识库,若第j型辐射源配属在第k种平台上,则Ai的第j行第k列元素ajk赋值为1,否则赋值为0;j=1,2,...mik=1,2,...ni;
局部关联决策矩阵重构子模块,每组动态剪裁配置知识矩阵Ai重构局部关联决策矩阵Ri,具体为:
局部关联决策矩阵Ri中各元素rjk赋值方法如下:若Ai的第j行第k列元素ajk值为1,则Ri的相应位置元素rjk赋值为第j个辐射源类型或型号的识别置信度μj;若ajk值为0,,则rjk赋值为0;
局部信息熵及熵权计算子模块,每组局部关联决策矩阵Ri进行各型辐射源局部信息熵hj及局部熵权ωj的计算,具体为:
首先,对第j型辐射源,其局部信息熵hj的计算方法为:
其中,
然后,将第j型辐射源的局部信息熵hj转化为其局部熵权ωj,采用如下计算公式:
最后遍历各型辐射源计算局部熵权获得局部熵权向量
局部关联决策矩阵调整子模块,根据局部熵权向量对步骤2获得的局部关联决策矩阵Ri调整,得调整的局部关联决策矩阵
平台识别决策值计算子模块,根据调整后局部关联决策矩阵计算第k种平台的综合决策值,遍历各列获得ni个平台综合决策值,其计算采用如下公式:
平台自动识别判决子模块,依据ni个平台综合决策值,将具有最大综合决策值的平台为识别出的关联目标平台;
平台识别置信度计算子模块,由局部熵权向量及辐射源型号识别置信度μj计算转化的关联目标平台识别置信度mp:
其中,称为第j型辐射源的置信度传递权值;
然后将识别的目标平台种类或类型名称、平台识别置信度形成目标平台识别结果列表。
进一步的,其中,在已知辐射源型号自动识别结果中包含与辐射源参数知识库中对应的识别型号名称、识别置信度,在多辐射源自动航迹关联预处理结果中包含关联的平台数目及各关联平台上识别出的辐射源型号、辐射源识别置信度,在多辐射源关联平台自动识别结果中输出识别的各关联平台种类或型号、关联平台识别置信度,同时输出首次加载两级知识库的时延、批量辐射源侦察信息初始加载时延、辐射源型号自动识别算法处理时延、航迹关联预处理时延、目标平台自动识别处理时延,在基于人工判读结果进行测试情况下,还可进一步给出辐射源型号识别准确率、多辐射源关联准确率、目标平台识别准确率统计结果。
本发明具有如下有益效果:
1.目标平台自动识别系统可实现基于单任务号或多任务号下批量辐射源侦察信息(含辐射源参数信息及定位信息)的目标平台实时自动识别功能,基于用户提供的远程辐射源参数特征知识库、远程辐射源关联平台配置知识库可自动判别出辐射源型号识别结果及辐射源目标所属平台的种类或型号。针对单任务号下批量辐射源侦察信息的识别处理时延优于60s(不包含初次加载两级知识库的时延)。
2.目标平台自动识别系统在执行识别处理功能时具有由辐射源型号自动识别模块、多辐射源航迹关联预处理模块、辐射源目标平台自动识别模块组成的系统核心结构,实现由辐射源自动识别过渡到平台自动识别的逐级自动识别及显示功能。
3.目标平台自动识别系统采用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;采用基于型号及属性参数综合评判的航迹关联预处理实现多辐射源来源于几个目标平台的关联分析;结合辐射源型号自动识别结果和航迹关联预处理结果,采用基于动态配置知识的改进局部信息熵平台识别处理实现对目标平台的自动识别。
4.目标平台自动识别系统具有各级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、多辐射源航迹关联预处理结果的列表显示、辐射源关联平台自动识别结果的列表显示、各子系统运行时延的统计、及测试模式下基于人工判读基准的各级关联或识别准确率统计显示。
5.目标平台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结合提供的相应各级知识库实现对不同类型关注辐射源及关注平台的自动识别。
附图说明
图1为本发明的目标平台自动识别系统的组成框图;
图2为本发明的辐射源目标平台自动识别模块的组成框图;
图3为本发明的目标平台自动识别系统工作流程图。
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。
一种基于辐射源侦察信息的目标平台自动识别系统,包括:辐射源侦察信息读取模块、两级远程知识库加载模块、辐射源型号自动识别模块、多辐射源自动航迹关联模块、辐射源目标平台自动识别模块、各级识别结果显示模块;其中:
辐射源侦察信息读取模块:支持用户远程数据库连接,可采用基于任务号索引的动态链接形式,将单个任务号或多个任务号下的批量雷达或通信辐射源侦察信息数据读入,读入信息数据包含辐射源的参数和位置数据;
两级远程知识库加载模块:基于用户远程辐射源参数知识库、辐射源关联平台知识库配置,采用多机部署联合使用机制完成系统与两级远程知识库的连接,基于用户识别总体需求,结合算法执行模块应用,通过Oracle查询方式自动读取两级远程知识库,完成辐射源参数知识库及辐射源关联平台知识库的初始自动加载功能;
辐射源型号自动识别模块:基于读入的辐射源参数信息及加载的辐射源参数知识库,采用基于参数多属性自主智能决策的辐射源型号自动识别算法,完成已知未知辐射源的自动分类及对已知辐射源型号的自动识别功能,输出已知辐射源的型号识别结果(含识别型号名称和识别置信度);
多辐射源自动航迹关联模块:基于辐射源识别型号、参数及读入的辐射源位置信息,采用基于辐射源型号参数综合判决的自动航迹关联预处理方法,完成多辐射源来源于几个平台的自动关联分析功能,输出关联平台数目及各关联平台上配置的辐射源型号名称、辐射源型号识别置信度;
辐射源目标平台自动识别模块:基于辐射源型号自动识别结果及航迹关联预处理后的各组关联结果,采用基于动态剪裁配置知识的改进目标平台快速识别方法,完成对辐射源目标关联平台种类或型号的自动识别功能,输出对应各组关联结果识别的目标平台种类或型号、平台的识别置信度信息;
各级识别结果显示模块:基于人机交互界面,完成目标平台自动识别系统的各级识别或关联结果输出功能,在界面上以列表形式输出对应批量辐射源侦察信息的已知辐射源型号自动识别结果、多辐射源自动航迹关联预处理结果、多辐射源关联平台自动识别结果。其中,在已知辐射源型号自动识别结果中包含与辐射源参数知识库中对应的识别型号名称、识别置信度,在多辐射源自动航迹关联预处理结果中包含关联的平台数目及各关联平台上识别出的辐射源型号、辐射源识别置信度,在多辐射源关联平台自动识别结果中输出识别的各关联平台种类或型号、关联平台识别置信度,同时输出首次加载两级知识库的时延、批量辐射源侦察信息初始加载时延、辐射源型号自动识别算法处理时延、航迹关联预处理时延、目标平台自动识别处理时延,在基于人工判读结果进行测试情况下,还可进一步给出辐射源型号识别准确率、多辐射源关联准确率、目标平台识别准确率统计结果。
上述组成模块间的连接关系为:两级远程知识库加载模块、辐射源侦察信息读取模块分别与辐射源型号自动识别模块相连接,完成辐射源型号自动识别功能;辐射源型号自动识别模块、辐射源侦察信息读取模块分别与多辐射源自动航迹关联模块相连接,完成多辐射源关联平台的预处理;两级远程知识库加载模块、辐射源型号自动识别模块、多辐射源自动航迹关联模块分别与辐射源目标平台自动识别模块相连接,完成辐射源关联平台的自动识别处理;辐射源型号自动识别模块、多辐射源自动航迹关联模块、辐射源目标平台自动识别模块分别与各级识别结果显示模块相连接,将关联算法或各级识别算法输出的分级自动识别细化识别结果传输给各级识别结果显示模块,便于将各级细化自动识别结果列表直观显示。
所述目标平台自动识别系统的工作过程为:系统在接到目标平台自动识别任务后,首先,进行两级远程知识库的初始加载及当前任务号下的批量辐射源侦察信息自动读取;接下来,进行辐射源型号的自动识别处理,输出辐射源型号自动识别结果;然后,基于辐射源型号识别结果和读入的辐射源位置侦察信息进行多辐射源自动航迹关联预处理,输出辐射源自动航迹关联结果;之后,基于辐射源型号识别结果和航迹关联结果进行基于动态剪裁配置知识的目标平台自动识别处理,输出目标平台自动识别结果;最后,将输出的辐射源型号自动识别结果、辐射源自动航迹关联结果、目标平台自动识别结果传输给各级识别结果显示子模块,完成对各级自动细化识别结果的直观列表显示,以及运行时间的统计显示,乃至识别或关联准确率的细化统计,在用户要求条件下还可实现对各级识别结果的Excel表格形式存储,最终完成对该次辐射源关联目标平台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两级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辐射源侦察信息的目标平台自动识别任务,则所述的两级远程知识库加载模块可以不再重复进行,直接从辐射源侦察信息读取过程开始。
如图2所示,辐射源目标平台自动识别模块包括动态剪裁配置知识形成子模块、局部关联决策矩阵重构子模块、局部信息熵及熵权计算子模块、局部关联决策矩阵调整子模块、平台识别决策值计算子模块、平台自动识别判决子模块、平台识别置信度计算子模块七个部分组成。
动态剪裁配置知识形成子模块用于:在接收的辐射源型号或类型识别结果和基于定位辅助信息的航迹关联预处理结果中,整理得到关联到每一个平台上所有的辐射源型号或类型,并确定数目;令关联到第i个平台的辐射源数目用mi表示;i=1,2,...,L,L表示关联到的平台数量;
然后在辐射源平台配置知识库模板矩阵中找到该mi个辐射源可能配属的所有平台,数目用ni表示;则得到第i个关联平台对应的剪裁矩阵Ai,剪裁矩阵Ai的维数为mi×ni;
遍历所有关联的平台,得到各个关联平台对应的剪裁矩阵Ai(i=1,2,...,L);
剪裁矩阵Ai中各元素表示第j(j=1,2,...mi)型辐射源相对于第k(k=1,2,...ni)种平台的装配情况。其中,mi型辐射源可能关联的ni种平台类型或型号名称来源于辐射源平台配置知识库,第k(k=1,2,...ni)种平台类型或型号名称与其示数k之间形成映射关系。
动态剪裁配置知识矩阵Ai中各元素的赋值准则如下:结合辐射源平台配置知识库,若第j(j=1,2,...mi)型辐射源配属在第k(k=1,2,...ni)种平台上,则Ai的第j行第k列元素ajk赋值为1,否则赋值为0。
由当次辐射源识别及关联结果可知,mi,ni与M,N之间存在mi<M,ni<N的关系,从而达到剪裁设计的目的,使后续平台识别处理变为微型矩阵运算,以便实现快速处理。
局部关联决策矩阵重构子模块用于根据每组动态剪裁配置知识矩阵Ai重构局部关联决策矩阵Ri:局部关联决策矩阵Ri中各元素rjk赋值方法如下:若Ai的第j行第k列元素ajk值为1,则Ri的相应位置元素rjk赋值为μj(μj为第j个辐射源类型或型号的识别置信度);若ajk值为0,,则rjk赋值为0。
局部信息熵及熵权计算子模块,用于根据每组局部关联决策矩阵Ri进行各型辐射源局部信息熵hj及局部熵权ωj的计算:对第j(j=1,2,...mi)型辐射源,其局部信息熵hj的计算方法为:
其中,该局部信息熵表示第j型辐射源在识别目标平台时所能够提供的动态局部信息量。
由于局部信息熵与所含信息量成反比关系,不方便直接识别决策,因此将第j(j=1,2,...mi)型辐射源的局部信息熵hj转化为其局部熵权ωj(局部熵权与信息量成正比),采用如下计算公式:
步骤3中,遍历各型辐射源计算局部熵权可获得局部熵权向量
局部关联决策矩阵调整子模块用于根据局部熵权向量对局部关联决策矩阵Ri调整,得调整的局部关联决策矩阵
平台识别决策值计算子模块,用于根据调整后局部关联决策矩阵计算第k(k=1,2,...ni)种平台的综合决策值,遍历各列获得ni个平台综合决策值,为平台快速识别提供辅助信息。并进一步识别判决出mi型辐射源所关联的平台种类或类型名称。第k(k=1,2,...ni)种平台的综合决策值利用对的第k列求和累加获取,其计算采用如下公式:
平台自动识别判决子模块,依据ni个平台综合决策值,采用最大综合决策值识别判决规则给出目标平台识别结果:mi型辐射源所关联的平台种类或类型名称的识别判决规则为:将具有最大综合决策值的目标平台(以平台示数p表示)作为关联目标平台的识别结果。若第p(p∈{1,2,...,ni})种目标平台对应的综合决策值最大,则待识别目标平台判决为第p种平台,即有关系式第p种平台类型或型号名称可由其与示数p的映射关系获得。
平台识别置信度计算子模块,由局部熵权向量及辐射源型号识别置信度计算转化的目标平台识别置信度mp:
其中,称为第j(j=1,2,...mi)型辐射源的置信度传递权值。
最后输出识别的目标平台种类或类型名称、平台识别置信度,形成目标平台识别结果列表。
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 (3)
1.一种基于辐射源侦察信息的目标平台自动识别系统,其特征在于,包括辐射源侦察信息读取模块、两级远程知识库加载模块、辐射源型号自动识别模块、多辐射源自动航迹关联模块、辐射源目标平台自动识别模块、各级识别结果显示模块;其中:
所述辐射源侦察信息读取模块用于将单个任务号或多个任务号下的批量辐射源侦察信息数据读入,读入信息数据包含辐射源的参数和位置数据;
所述两级远程知识库加载模块用于加载辐射源参数知识库和辐射源关联平台知识库;
所述辐射源型号自动识别模块,基于所述辐射源侦察信息读取模块读入的所述辐射源参数信息及加载的所述辐射源参数知识库,完成对已知和未知辐射源的分类及对已知辐射源型号的识别,输出包括已知辐射源的名称和识别置信度的识别结果;
所述多辐射源自动航迹关联模块,基于辐射源识别型号、参数及读入的辐射源位置信息,完成多辐射源来源于几个平台的关联分析,输出关联平台数目及各关联平台上配置的辐射源型号名称、辐射源型号识别置信度;
所述辐射源目标平台自动识别模块,基于辐射源型号自动识别结果及航迹关联预处理后的各组关联结果,完成对辐射源目标关联平台种类或型号的识别功能,输出对应各组关联结果识别的目标平台种类或型号、平台的识别置信度信息;
所述各级识别结果显示模块,基于人机交互界面,在界面上以列表形式输出对应批量辐射源侦察信息的已知辐射源型号自动识别结果、多辐射源自动航迹关联预处理结果、多辐射源关联平台自动识别结果。
2.如权利要求1所述的一种基于辐射源侦察信息的目标平台自动识别系统,其特征在于,所述辐射源目标平台自动识别模块包括动态剪裁配置知识形成子模块、局部关联决策矩阵重构子模块、局部信息熵及熵权计算子模块、局部关联决策矩阵调整子模块、平台识别决策值计算子模块、平台自动识别判决子模块、平台识别置信度计算子模块,其中:
所述动态剪裁配置知识形成子模块,在接收的辐射源型号或类型识别结果和基于定位辅助信息的航迹关联预处理结果中,整理得到关联到每一个平台上所有的辐射源,并确定数目;令关联到第i个平台的辐射源数目用mi表示;i=1,2,...,L,L表示航迹关联预处理结果中关联到的所有平台的数量;
然后在辐射源平台配置知识库模板矩阵中找到该mi个辐射源可能配属的所有平台,数目用ni表示;则得到第i个关联的平台对应的剪裁矩阵Ai,剪裁矩阵Ai的维数为mi×ni;
遍历所有关联的平台,得到各个关联的平台对应的剪裁矩阵Ai,i=1,2,...,L;
剪裁矩阵Ai中各元素表示第j型辐射源相对于第k种平台的装配情况,根据辐射源平台配置知识库,若第j型辐射源配属在第k种平台上,则Ai的第j行第k列元素ajk赋值为1,否则赋值为0;j=1,2,...mi k=1,2,...ni;
局部关联决策矩阵重构子模块,每组动态剪裁配置知识矩阵Ai重构局部关联决策矩阵Ri,具体为:
局部关联决策矩阵Ri中各元素rjk赋值方法如下:若Ai的第j行第k列元素ajk值为1,则Ri的相应位置元素rjk赋值为第j个辐射源类型或型号的识别置信度μj;若ajk值为0,,则rjk赋值为0;
局部信息熵及熵权计算子模块,每组局部关联决策矩阵Ri进行各型辐射源局部信息熵hj及局部熵权ωj的计算,具体为:
首先,对第j型辐射源,其局部信息熵hj的计算方法为:
其中,
然后,将第j型辐射源的局部信息熵hj转化为其局部熵权ωj,采用如下计算公式:
最后遍历各型辐射源计算局部熵权获得局部熵权向量
局部关联决策矩阵调整子模块,根据局部熵权向量对步骤2获得的局部关联决策矩阵Ri调整,得调整的局部关联决策矩阵
平台识别决策值计算子模块,根据调整后局部关联决策矩阵计算第k种平台的综合决策值,遍历各列获得ni个平台综合决策值,其计算采用如下公式:
平台自动识别判决子模块,依据ni个平台综合决策值,将具有最大综合决策值的平台为识别出的关联目标平台;
平台识别置信度计算子模块,由局部熵权向量及辐射源型号识别置信度μj计算转化的关联目标平台识别置信度mp:
其中,称为第j型辐射源的置信度传递权值;
然后将识别的目标平台种类或类型名称、平台识别置信度形成目标平台识别结果列表。
3.如权利要求1或2所述的一种基于辐射源侦察信息的目标平台自动识别系统,其特征在于,
其中,在已知辐射源型号自动识别结果中包含与辐射源参数知识库中对应的识别型号名称、识别置信度,在多辐射源自动航迹关联预处理结果中包含关联的平台数目及各关联平台上识别出的辐射源型号、辐射源识别置信度,在多辐射源关联平台自动识别结果中输出识别的各关联平台种类或型号、关联平台识别置信度,同时输出首次加载两级知识库的时延、批量辐射源侦察信息初始加载时延、辐射源型号自动识别算法处理时延、航迹关联预处理时延、目标平台自动识别处理时延,在基于人工判读结果进行测试情况下,还可进一步给出辐射源型号识别准确率、多辐射源关联准确率、目标平台识别准确率统计结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811408876.4A CN109726734B (zh) | 2018-11-23 | 2018-11-23 | 一种基于辐射源侦察信息的目标平台自动识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811408876.4A CN109726734B (zh) | 2018-11-23 | 2018-11-23 | 一种基于辐射源侦察信息的目标平台自动识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109726734A true CN109726734A (zh) | 2019-05-07 |
CN109726734B CN109726734B (zh) | 2023-05-23 |
Family
ID=66294962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811408876.4A Active CN109726734B (zh) | 2018-11-23 | 2018-11-23 | 一种基于辐射源侦察信息的目标平台自动识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109726734B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880012A (zh) * | 2019-09-29 | 2020-03-13 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 多侦察平台脉间捷变雷达辐射源频率信息关联方法 |
CN112163636A (zh) * | 2020-10-15 | 2021-01-01 | 电子科技大学 | 基于孪生神经网络的电磁信号辐射源的未知模式识别方法 |
CN112904397A (zh) * | 2021-01-22 | 2021-06-04 | 中山大学 | 基于沙堆模型的电子侦察方法和系统 |
CN113836793A (zh) * | 2021-09-03 | 2021-12-24 | 成都众享天地网络科技有限公司 | 一种基于关联准则的电磁环境态势感知预测方法 |
CN114236582A (zh) * | 2021-12-22 | 2022-03-25 | 山东航天电子技术研究所 | 一种基于星上的实时舰船目标平台动态关联识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2008149963A (ru) * | 2008-12-17 | 2010-06-27 | Государственное унитарное предприятие "Конструкторское бюро приборостроения" (RU) | Способ наведения управляемой ракеты и система наведения для его реализации |
CN106169070A (zh) * | 2016-07-04 | 2016-11-30 | 中国人民解放军电子工程学院 | 基于协作表示的通信辐射源个体识别方法及系统 |
CN107423754A (zh) * | 2017-06-28 | 2017-12-01 | 山东航天电子技术研究所 | 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 |
CN107480689A (zh) * | 2017-06-28 | 2017-12-15 | 山东航天电子技术研究所 | 一种基于相似性专家知识的未知辐射源体制自动识别方法 |
CN108470155A (zh) * | 2018-03-06 | 2018-08-31 | 中国船舶重工集团公司第七二四研究所 | 一种雷达辐射源个体识别的大规模流式数据处理方法 |
CN108650194A (zh) * | 2018-05-14 | 2018-10-12 | 南开大学 | 基于K_means和KNN融合算法的网络流量分类方法 |
-
2018
- 2018-11-23 CN CN201811408876.4A patent/CN109726734B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2008149963A (ru) * | 2008-12-17 | 2010-06-27 | Государственное унитарное предприятие "Конструкторское бюро приборостроения" (RU) | Способ наведения управляемой ракеты и система наведения для его реализации |
CN106169070A (zh) * | 2016-07-04 | 2016-11-30 | 中国人民解放军电子工程学院 | 基于协作表示的通信辐射源个体识别方法及系统 |
CN107423754A (zh) * | 2017-06-28 | 2017-12-01 | 山东航天电子技术研究所 | 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 |
CN107480689A (zh) * | 2017-06-28 | 2017-12-15 | 山东航天电子技术研究所 | 一种基于相似性专家知识的未知辐射源体制自动识别方法 |
CN108470155A (zh) * | 2018-03-06 | 2018-08-31 | 中国船舶重工集团公司第七二四研究所 | 一种雷达辐射源个体识别的大规模流式数据处理方法 |
CN108650194A (zh) * | 2018-05-14 | 2018-10-12 | 南开大学 | 基于K_means和KNN融合算法的网络流量分类方法 |
Non-Patent Citations (3)
Title |
---|
何栿 等: ""基于机载传感器的海面目标关联识别方法"", 《指挥信息系统与技术》 * |
刘宇轩 等: ""基于辐射源关联分析的舰船平台识别方法"", 《电子信息对抗技术》 * |
王成刚: ""一种非组合的电磁目标快速识别算法"", 《电讯技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880012A (zh) * | 2019-09-29 | 2020-03-13 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 多侦察平台脉间捷变雷达辐射源频率信息关联方法 |
CN110880012B (zh) * | 2019-09-29 | 2023-09-05 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 多侦察平台脉间捷变雷达辐射源频率信息关联方法 |
CN112163636A (zh) * | 2020-10-15 | 2021-01-01 | 电子科技大学 | 基于孪生神经网络的电磁信号辐射源的未知模式识别方法 |
CN112163636B (zh) * | 2020-10-15 | 2023-09-26 | 电子科技大学 | 基于孪生神经网络的电磁信号辐射源的未知模式识别方法 |
CN112904397A (zh) * | 2021-01-22 | 2021-06-04 | 中山大学 | 基于沙堆模型的电子侦察方法和系统 |
CN112904397B (zh) * | 2021-01-22 | 2022-10-14 | 中山大学 | 基于沙堆模型的电子侦察方法和系统 |
CN113836793A (zh) * | 2021-09-03 | 2021-12-24 | 成都众享天地网络科技有限公司 | 一种基于关联准则的电磁环境态势感知预测方法 |
CN114236582A (zh) * | 2021-12-22 | 2022-03-25 | 山东航天电子技术研究所 | 一种基于星上的实时舰船目标平台动态关联识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109726734B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726734A (zh) | 一种基于辐射源侦察信息的目标平台自动识别系统 | |
CN111191732A (zh) | 一种基于全自动学习的目标检测方法 | |
EP0947937A2 (en) | Image search apparatus and method | |
CN113392646A (zh) | 一种数据中台系统、构建方法及装置 | |
CN110991658A (zh) | 模型训练方法、装置、电子设备和计算机可读存储介质 | |
CN113112020B (zh) | 一种基于生成网络与知识蒸馏的模型网络提取和压缩方法 | |
CN107423754B (zh) | 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 | |
US11860846B2 (en) | Methods, systems and apparatus to improve spatial-temporal data management | |
CN109711443A (zh) | 基于神经网络的户型图识别方法、装置、设备及存储介质 | |
CN106326462A (zh) | 一种视频索引分级方法及装置 | |
CN105335363A (zh) | 一种对象推送方法及系统 | |
CN115661251A (zh) | 一种基于成像仿真的空间目标识别样本生成系统与方法 | |
Ouadah et al. | A hybrid MCDM framework for efficient web services selection based on QoS | |
CN110673568A (zh) | 玻璃纤维制造业工业设备故障顺序确定方法及系统 | |
CN109635237B (zh) | 一种基于动态剪裁配置知识的目标平台快速识别方法 | |
CN116706907B (zh) | 基于模糊推理的光伏发电预测方法和相关设备 | |
CN117272995A (zh) | 一种重复工单推荐方法及装置 | |
CN116912483A (zh) | 目标检测方法、电子设备以及存储介质 | |
CN116578924A (zh) | 一种用于机器学习分类的网络任务优化方法及系统 | |
CN115379308B (zh) | 一种基于卫星远程通信的物联网设备数据采集系统 | |
JP7151009B1 (ja) | 情報処理システム、コンピュータプログラム、及び情報処理方法 | |
CN115170951A (zh) | 一种基于改进的MobileNet V2网络模型的树种识别方法 | |
CN117575542B (zh) | 一种基于模块化装配的建筑工程数据控制系统及方法 | |
CN112364032B (zh) | 基于互联网技术的数据中台数据查询方法 | |
CN113191259B (zh) | 用于高光谱图像分类的动态数据扩张方法及图像分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |