針(zhen)對(dui)輻(fu)射(she)源(yuan)識(shi)別(bie)中(zhong)的(de)參(can)數(shu)模(mo)糊(hu)交(jiao)疊(die)問(wen)題(ti)，提(ti)出(chu)了(le)基(ji)於(yu)雲(yun)計(ji)算(suan)的(de)輻(fu)射(she)源(yuan)樣(yang)本(ben)隸(li)屬(shu)度(du)獲(huo)取(qu)方(fang)法(fa)，結(jie)合(he)分(fen)布(bu)式(shi)傳(chuan)感(gan)器(qi)的(de)優(you)勢(shi)，構(gou)建(jian)雲(yun)計(ji)算(suan)在(zai)分(fen)布(bu)式(shi)傳(chuan)感(gan)器(qi)輻(fu)射(she)源(yuan)識(shi)別(bie)中(zhong)的(de)應(ying)用(yong)係(xi)統(tong)。首(shou)先(xian)介(jie)紹(shao)雲(yun)計(ji)算(suan)的(de)有(you)關(guan)概(gai)念(nian)，其(qi)次(ci)分(fen)析(xi)分(fen)布(bu)式(shi)傳(chuan)感(gan)器(qi)的(de)特(te)征(zheng)，再(zai)由(you)雲(yun)計(ji)算(suan)區(qu)間(jian)型(xing)和(he)離(li)散(san)型(xing)輻(fu)射(she)源(yuan)樣(yang)本(ben)隸(li)屬(shu)度(du)，並(bing)進(jin)行(xing)單(dan)傳(chuan)感(gan)器(qi)時(shi)域(yu)融(rong)合(he)和(he)分(fen)布(bu)式(shi)傳(chuan)感(gan)器(qi)信(xin)息(xi)融(rong)合(he)，利(li)用(yong)判(pan)決(jue)規(gui)則(ze)完(wan)成(cheng)決(jue)策(ce)。仿(fang)真(zhen)結(jie)果(guo)說(shuo)明(ming)基(ji)於(yu)雲(yun)計(ji)算(suan)的(de)輻(fu)射(she)源(yuan)識(shi)別(bie)率(lv)高(gao)。

 

引  言

 

信xin息xi係xi統tong在zai信xin息xi作zuo戰zhan中zhong發fa揮hui了le巨ju大da作zuo用yong
，對dui海hai軍jun航hang空kong兵bing來lai說shuo，要yao實shi現xian對dui敵di核he心xin要yao害hai的de精jing確que打da擊ji
，離li不bu開kai準zhun確que的de信xin息xi偵zhen察cha，信xin息xi偵zhen察cha的de一yi個ge重zhong要yao步bu驟zhou就jiu是shi對dui敵di輻fu射she源yuan的de信xin息xi識shi別bie
，隻zhi有you準zhun確que的de識shi別bie敵di核he心xin要yao害hai武wu備bei，才cai能neng為wei後hou續xu的de精jing確que打da擊ji提ti供gong戰zhan術shu支zhi援yuan。當dang前qian敵di雷lei達da輻fu射she源yuan技ji術shu參can數shu出chu現xian很hen大da程cheng度du模mo糊hu，各ge型xing雷lei達da參can數shu重zhong疊die、交錯，采用傳統五參數（RF

、TOA

、DOA、PA、PW）法識別雷達輻射源難度加大，這給信息作戰
、賽博作戰中的信息偵察帶來嚴峻挑戰。對於輻射源識別問題
，目前的研究方法有基於模糊集的方法、基於神經網絡的方法
、基於灰色關聯的方法、基於粗糙集的方法
、基於支撐向量機的方法等。上述方法在輻射源參數存在模糊及交疊時，識別效果較差。

 

雲(yun)計(ji)算(suan)能(neng)更(geng)好(hao)地(di)處(chu)理(li)模(mo)糊(hu)和(he)交(jiao)疊(die)參(can)數(shu)問(wen)題(ti)，已(yi)有(you)研(yan)究(jiu)將(jiang)雲(yun)模(mo)型(xing)用(yong)於(yu)輻(fu)射(she)源(yuan)識(shi)別(bie)中(zhong)，如(ru)將(jiang)雲(yun)模(mo)型(xing)用(yong)於(yu)平(ping)台(tai)目(mu)標(biao)識(shi)別(bie)
，或(huo)將(jiang)雲(yun)模(mo)型(xing)用(yong)於(yu)支(zhi)持(chi)向(xiang)量(liang)機(ji)輻(fu)射(she)源(yuan)識(shi)別(bie)中(zhong)，但(dan)其(qi)具(ju)體(ti)的(de)計(ji)算(suan)辦(ban)法(fa)還(hai)不(bu)完(wan)善(shan)，本(ben)文(wen)考(kao)慮(lv)將(jiang)雲(yun)計(ji)算(suan)用(yong)於(yu)分(fen)布(bu)式(shi)傳(chuan)感(gan)器(qi)輻(fu)射(she)源(yuan)信(xin)息(xi)識(shi)別(bie)中(zhong)，提(ti)出(chu)基(ji)於(yu)雲(yun)計(ji)算(suan)的(de)識(shi)別(bie)算(suan)法(fa)。首(shou)先(xian)介(jie)紹(shao)雲(yun)計(ji)算(suan)理(li)論(lun)
，其(qi)次(ci)給(gei)出(chu)分(fen)布(bu)式(shi)傳(chuan)感(gan)器(qi)輻(fu)射(she)源(yuan)信(xin)息(xi)識(shi)別(bie)的(de)概(gai)念(nian)，將(jiang)雲(yun)計(ji)算(suan)應(ying)用(yong)於(yu)輻(fu)射(she)源(yuan)識(shi)別(bie)中(zhong)
，建(jian)立(li)基(ji)於(yu)雲(yun)計(ji)算(suan)的(de)輻(fu)射(she)源(yuan)隸(li)屬(shu)度(du)獲(huo)取(qu)模(mo)型(xing)，給(gei)出(chu)本(ben)文(wen)識(shi)別(bie)算(suan)法(fa)及(ji)流(liu)程(cheng)圖(tu)

，最(zui)後(hou)結(jie)合(he)輻(fu)射(she)源(yuan)參(can)數(shu)數(shu)據(ju)庫(ku)進(jin)行(xing)識(shi)別(bie)仿(fang)真(zhen)對(dui)比(bi)實(shi)驗(yan)，仿(fang)真(zhen)結(jie)果(guo)表(biao)明(ming)雲(yun)計(ji)算(suan)相(xiang)比(bi)於(yu)其(qi)他(ta)識(shi)別(bie)算(suan)法(fa)能(neng)獲(huo)得(de)更(geng)高(gao)和(he)更(geng)穩(wen)定(ding)的(de)輻(fu)射(she)源(yuan)識(shi)別(bie)效(xiao)果(guo)。

 

1.雲計算

 

雲yun計ji算suan是shi院yuan士shi李li德de毅yi提ti出chu的de一yi種zhong定ding性xing定ding量liang不bu確que定ding性xing轉zhuan換huan模mo型xing算suan法fa，用yong自zi然ran語yu言yan值zhi表biao示shi定ding性xing與yu定ding量liang間jian不bu確que定ding性xing轉zhuan換huan，能neng處chu理li模mo糊hu集ji理li論lun中zhong的de模mo糊hu性xing和he概gai率lv論lun中zhong的de隨sui機ji性xing問wen題ti，通tong過guo期qi望wangEx（Expected value）、熵En（Entropy）、超熵He（Hyper entropy）3個數字參數表征一個定性概念，從而實現定性定量轉換。期望Ex表示數域空間定性概念量化樣本點；熵En表示論域空間定性概念的模糊度，還可表示定性概念的雲滴出現的概率；超熵He表示論域空間中定性概念的雲滴的凝聚性。

 

yunjisuanzhongdezhengxiangyunfashengqikeshixianfusheyuantezhengcanshucongdingxingdaodingliangdezhuanhuan，youyundeshuzitezhengchanshengyundijiunengshixiandingxingdingliangzhuanhuan，zhengxiangyunfashengqirutu1。

 

 

圖1  正向雲發生器

 

正向雲生成算法是先生成以Ex為期望，En為均方差的正態隨機數x
；再生成以En為期望，He為均方差的正態隨機數En´；最後計算隸屬度：

 

 

那麼（x,y）就是生成的雲滴，式中x是定性概念的一個隨機數，y是x屬於定性概念的準確度。

 

2.分布式傳感器輻射源識別

 

隨(sui)著(zhe)傳(chuan)感(gan)器(qi)技(ji)術(shu)的(de)飛(fei)速(su)發(fa)展(zhan)，傳(chuan)統(tong)的(de)單(dan)傳(chuan)感(gan)器(qi)獲(huo)取(qu)的(de)敵(di)輻(fu)射(she)源(yuan)信(xin)息(xi)往(wang)往(wang)是(shi)不(bu)確(que)定(ding)的(de)，特(te)別(bie)是(shi)戰(zhan)場(chang)信(xin)息(xi)空(kong)間(jian)中(zhong)的(de)電(dian)磁(ci)空(kong)間(jian)和(he)賽(sai)博(bo)空(kong)間(jian)尤(you)為(wei)突(tu)出(chu)。信(xin)息(xi)化(hua)戰(zhan)爭(zheng)中(zhong)，敵(di)我(wo)雙(shuang)方(fang)大(da)量(liang)的(de)信(xin)息(xi)裝(zhuang)備(bei)應(ying)用(yong)於(yu)電(dian)磁(ci)空(kong)間(jian)和(he)賽(sai)博(bo)空(kong)間(jian)，形(xing)成(cheng)了(le)十(shi)分(fen)複(fu)雜(za)的(de)戰(zhan)場(chang)電(dian)子(zi)環(huan)境(jing)，而(er)其(qi)中(zhong)的(de)裝(zhuang)備(bei)技(ji)術(shu)參(can)數(shu)更(geng)加(jia)的(de)多(duo)變(bian)，使(shi)得(de)偵(zhen)察(cha)信(xin)息(xi)異(yi)常(chang)複(fu)雜(za)和(he)難(nan)以(yi)分(fen)析(xi)，而(er)分(fen)布(bu)式(shi)傳(chuan)感(gan)器(qi)能(neng)提(ti)取(qu)獨(du)立(li)
、互補的輻射源信息
，獲得輻射源更為詳盡準確的信息情報，這為輻射源識別奠定良好的基礎。此外由分布式傳感器進行信息融合（DSIF：Distributed Sensors Information Fusion）

，可消除單傳感器間可能存在的矛盾，進一步降低輻射源識別不確定性，同時產生新的有價值信息
，有利於提高輻射源識別效果。

 

3.雲計算用於分布式傳感器輻射源識別中

 

tongguoshangshufenxi，yunjisuannenghenhaodichulimohuxinghebuquedingxingwenti，bingnengjiangdingxingwentizhuanhuaweidingliangwenti
，zhegeijuyoumohucanshudefusheyuanshibiewentitigongleyigexindesilu
，tongshifenbushichuanganqixinxironghenengkefucanshudechongtu，jinyibutigaofusheyuanshibielv，yincikaolvjiangyunjisuantongfenbushichuanganqifusheyuanshibiejieheqilaijinxingfusheyuanshibie。shouxianliyongyunjisuandedaofusheyuanlishudu，erhoujianlibenwenshibiesuanfajiliucheng，zuihoujinxingfangzhenyanzheng。

 

基於雲計算的識別算法及流程

 

youshangshuyunjisuanfusheyuanlishududeguocheng
，caiyongyunjisuanduileidashujukuzhongqujianxingjilisanxingcanshubianliangjinxingjianmo，jisuanfusheyuanyangbenmeigecanshuxiangduishujukuxiangyingcanshudelishudu，genjupingjunquanzhifajisuangecanshudezonglishudu
，jianggailishuduzuoweiD-S理論中的BPAF
，完成分布式傳感器時域及空域信息融合，最後由決策規則完成輻射源識別。基於雲計算的分布式傳感器輻射源識別算法如下：

 

（1）構建輻射源參數數據庫；

 

（2）由雲計算對數據庫中區間型及離散型參數建模並計算各類輻射源的雲數字特征期望、熵和超熵
；

 

（3）利用平均權值計算輻射源樣本參數隸屬度並將其作為基本概率賦值BPAF；

 

（4）完成單傳感器時域信息融合


；

 

（5）完成分布式傳感器信息融合；

 

（6）依據判決規則進行決策
，給出輻射源識別結果。

 

由識別步驟，構設輻射源識別流程係統如圖2。

 

圖2  輻射源識別流程

 

4.數據仿真

 

zhenduibenwentichudejiyuyunjisuandefenbushichuanganqifusheyuanshibiesuanfa
，shejilianggeshiyanlaiyanzhengbenwenshibiesuanfadexingnengheshibiexitongdehelixing。shefusheyuanshujukuzhongyou4部雷達數據R1、R2

、R3、R4，參數主要有脈寬（PW）
、脈衝重複間隔（PRI）、載頻（RF），參數包括區間型和離散型數字變量。

 

設空間存在雷達R2
，利用3部傳感器（ESM）各4個測量周期獲得輻射源參數樣本，所得參數樣本均附加有5%的測量誤差，由雲計算輻射源樣本參數隸屬度
，並作為D-S理論的BPAF，得到輻射源樣本隸屬度表1。

 

表1  輻射源樣本隸屬度

 

表2  時域融合單傳感器時域信息融合得表2。

 

表3  分布式融合分布式傳感器信息融合得表3。

 

另設空間中存在4部雷達輻射源
，對數據庫中4部雷達參數附加噪聲構成輻射源樣本進行識別仿真，生成800個輻射源樣本數據
，每部雷達200個樣本，樣本測量誤差服從零均值高斯分布。圖3給出了本文雲計算分布式傳感器輻射源識別率隨測量誤差的變化曲線。為了對比分析，圖4給出了采用支持向量機（SVM）的輻射源識別算法和本文算法的識別率曲線
，識別率曲線是4部雷達的平均識別率，通過對比發現，本文識別率更高。由判決規則進行決策，依據專家經驗知識選擇（此處有公式！！）
，得到該輻射源為雷達R2。

 

圖3-a  基於雲計算的識別率曲線

 

圖3-b  識別率對比曲線

 

表4給出了本文識別算法通過1500次Monte Carlo實驗得到的輻射源識別率同其他識別算法的識別率對比。由表4可見本文識別算法正確識別率較高，優於其他識別算法。

 

表4  輻射源識別率對比

 

由仿真實驗結果知

，雲計算在分布式傳感器輻射源識別中具有以下優點：能很好地處理輻射源參數的模糊性和不確定性；雲計算能對區間類型變量和離散型參數建模；結合傳感器時域融合、分布式傳感器信息融合能更進一步提高輻射源識別率和識別的穩健性
；相比於其他識別算法
，雲計算能獲得更高的輻射源識別率。雲計算的難點則是各類輻射源的數字特征期望、熵和超熵的計算。

 

結  語

 

本ben文wen將jiang雲yun計ji算suan用yong於yu分fen布bu式shi傳chuan感gan器qi輻fu射she源yuan識shi別bie中zhong，列lie出chu了le相xiang應ying的de輻fu射she源yuan識shi別bie算suan法fa並bing建jian立li了le識shi別bie流liu程cheng圖tu。本ben文wen算suan法fa采cai用yong雲yun計ji算suan對dui區qu間jian型xing參can數shu建jian模mo

，對dui離li散san型xing參can數shu進jin行xing評ping語yu集ji定ding性xing定ding量liang轉zhuan換huan，獲huo得de輻fu射she源yuan隸li屬shu度du並bing將jiang其qi作zuo為wei基ji本ben概gai率lv賦fu值zhi
，通tong過guo傳chuan感gan器qi時shi域yu融rong合he、fenbushichuanganqixinxironghe，dedaofusheyuanshibiejieguo。shiyanzhengming，liyongyunjisuanjinxingdefusheyuanshibiebiqitachuantongshibiesuanfashibiexiaoguohao，bingjuyouchulibuquedingwentidelubangxing。

 

 

推薦閱讀：