[发明专利]一种复杂密集环境下雷达辐射源信号覆盖分选方法

说明书

技术领域

本发明涉及一种雷达辐射源信号覆盖分选方法。

背景技术

随着电子技术的快速发展，越来越多的导弹制导武器被广泛应用于现代战争，致使电子侦察环境中出现的雷达辐射源信号复杂而密集。各种具有多功能、多用途的现代新体制雷达的大量出现，使得一部雷达可能具有多种工作状态，雷达辐射源信号参数呈现复杂的变化方式。现代体制雷达具有多种参数随机变化的特点，可能同时具备载频(RF)，脉宽(PW)，方位角(DOA)、脉冲重复周期(PRI)等参数的随机捷变和抖动能力，造成常规信号分选参数表述的雷达信号参数空间存在严重交叠。由于上述原因，雷达信号分选和识别所利用的信号规律性被严重破坏，因此利用信号脉冲之间相关性的传统信号分选方法对于特征参数空间交叠及复杂变化的雷达信号已不能较好的归类。

目前在基于多参数的雷达信号分选算法中，比如传统的依赖雷达辐射源数据库的模板匹配方法，由于模板数据库信息无法清晰描述复杂信号的变化情况，因此针对复杂多变信号分选效果较差。由于神经网络本身具有快速并行处理能力以及很强的容错能力等优点，在处理信号多参数最优边界划分的问题上取得了不错的成绩，所以神经网络及支持向量机等智能算法被引入到了雷达信号分选识别系统中。此类方法虽然具有良好定义的确定结构，但是都是按照某种最优准则进行网络结构调制和权值的确定，容易造成局部极小，过学习或者不收敛现象出现，而且存在网络结构训练时间较长和受参数初值选择影响比较大、处理速度慢等缺点，并且硬划分的分类处理方式忽略了交叠空间信号样本存在的中介性以及雷达侦察信号客观存在的不确定性因素。

因此为了克服复杂电磁环境下上述传统雷达信号分选识别方法的局限性，需要一种能对特征参数存在交叠的雷达信号进行快速有效分选的新方法。

发明内容

本发明是为了解决目前在复杂密集环境及特征参数交叠严重情况下的雷达信号分选能力差问题，从而提供一种复杂密集环境下雷达辐射源信号覆盖分选方法。

一种复杂密集环境下雷达辐射源信号覆盖分选方法，它由以下步骤实现：

步骤一、选择能够标准化的雷达信号的特征参数作为输入特征向量，并初始化雷达信号样本参数空间；

步骤二、将步骤一所述的雷达信号样本参数空间中的具有参数先验信息的雷达信号通过覆盖算法进行有监督的学习，即：用几何覆盖的形式来描述雷达信号样本参数的分布特点；

步骤三、利用覆盖算法将步骤二中的不同类别的雷达信号用不同的领域分隔开，完成对雷达信号的学习；

步骤四、采用云模型来表述每个待分选识别雷达信号的特征参数相对于步骤三中每个领域的隶属程度，获得该待分选识别雷达信号相对于步骤三中每个领域的隶属程度的隶属值；

步骤五、根据步骤四获得的该待分选识别雷达信号相对于步骤三中每个领域的隶属程度的隶属值，采用判决准则对待测信号进行分选，完成复杂密集环境下雷达辐射源信号覆盖分选。

步骤一中的能够标准化的雷达信号的特征参数为传统脉冲描述字参数(PW、RF、DOA、PRI)或脉内特征参数。

步骤二中所述的具有参数先验信息的雷达信号是通过侦察的方式获得的。

步骤三中所述利用覆盖算法将步骤二中的不同类别的雷达信号用不同的领域分隔开，其原则是：每个覆盖领域下只包含一类雷达信号，一类雷达信号能够由多个不同的覆盖领域组成。

步骤四中云模型是在传统模糊集理论和概率统计的基础上提出的定性定量不确定性转变模型。

步骤四中采用云模型来表述每个待分选识别雷达信号的特征参数相对于步骤三中每个领域的隶属程度的具体方法是：将覆盖雷达信号的每个领域视为云模型中所指的定性概念，然后通过各个领域确定云模型所需要的参数，从而实现用云模型描述待分选识别雷达信号每个特征参数相对于每个领域的隶属程度。