基于特征融合與規(guī)則推理的目標(biāo)識(shí)別?

萬(wàn)洪容

基于特征融合與規(guī)則推理的目標(biāo)識(shí)別?

萬(wàn)洪容

（中國(guó)西南電子技術(shù)研究所，成都610036）

為了在干擾電磁環(huán)境下提高輻射源和平臺(tái)目標(biāo)識(shí)別的可靠性，建立了特征級(jí)和決策級(jí)的分級(jí)融合識(shí)別框架，通過特征相關(guān)和匹配置信度融合進(jìn)行輻射源識(shí)別，提出了基于粗糙集規(guī)則推理目標(biāo)識(shí)別決策方法。仿真結(jié)果表明該方法能增強(qiáng)目標(biāo)識(shí)別的容錯(cuò)性。

目標(biāo)識(shí)別；規(guī)則推理；置信度；識(shí)別決策

1 引言

在現(xiàn)代電子戰(zhàn)中，輻射源及其裝載平臺(tái)目標(biāo)識(shí)別是戰(zhàn)場(chǎng)態(tài)勢(shì)感知的基礎(chǔ)，與武器裝備作戰(zhàn)效能緊密相關(guān)。可靠的目標(biāo)識(shí)別可提高狀態(tài)和身份估計(jì)的精度，擴(kuò)展態(tài)勢(shì)感知的時(shí)間和空間覆蓋范圍，改善對(duì)目標(biāo)的探測(cè)能力，提高合成信息的精度、可信度以及威脅判定的實(shí)時(shí)性、準(zhǔn)確性，從而對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)作出完整的評(píng)價(jià)，支持指揮決策、戰(zhàn)場(chǎng)預(yù)警和火力打擊。

高性能電子信息裝備的應(yīng)用使不同的裝備裝載于同一平臺(tái)，利用其在同一時(shí)間出現(xiàn)在同一空域遂行任務(wù)的優(yōu)勢(shì)，實(shí)現(xiàn)不同功能的裝備集成，裝備的綜合集成為不同分析方法、不同信息源的關(guān)聯(lián)提供了良好的條件，利用多種傳感器偵察與探測(cè)等獲得特征信息，識(shí)別出輻射源，由統(tǒng)計(jì)數(shù)據(jù)和裝備手冊(cè)，建立平臺(tái)裝備與其裝載的輻射源的關(guān)系，通過數(shù)據(jù)綜合相關(guān)和融合，以及智能化的推理技術(shù)對(duì)不完整、時(shí)變的信息進(jìn)行綜合相關(guān)、去重互補(bǔ)，可實(shí)現(xiàn)對(duì)目標(biāo)平臺(tái)的識(shí)別［1-2］。

電磁環(huán)境的復(fù)雜，對(duì)目標(biāo)識(shí)別提出了更高的要求，對(duì)輻射源及其裝載平臺(tái)的識(shí)別已有專家系統(tǒng)或模糊理論方法［3-5］，這些方法需要完備的專家知識(shí)庫(kù)或構(gòu)造模糊隸屬函數(shù)，缺少干擾電磁環(huán)境下殘缺測(cè)量特征參數(shù)的處理分析，而粗糙集（Rough Set，也稱Rough集、粗集）理論是一種能夠定量分析處理不精確、不一致、不完整信息與知識(shí)的數(shù)學(xué)工具［6］。本文針對(duì)在沒有完備的專家知識(shí)庫(kù)或不能構(gòu)造模糊隸屬函數(shù)的情況，提出粗集規(guī)則推理的方法解決不完整信息的平臺(tái)目標(biāo)識(shí)別方法。

2 目標(biāo)識(shí)別框架

建立目標(biāo)識(shí)別框架是為了實(shí)現(xiàn)和驗(yàn)證目標(biāo)識(shí)別功能的有效性，識(shí)別框架提供了基礎(chǔ)支撐數(shù)據(jù)源、識(shí)別處理、數(shù)據(jù)存儲(chǔ)以及性能評(píng)估仿真支撐平臺(tái)。目標(biāo)識(shí)別采用分級(jí)融合識(shí)別即特征級(jí)識(shí)別和決策級(jí)識(shí)別，是基礎(chǔ)數(shù)據(jù)分離的分層信息處理框架，可以適應(yīng)不同環(huán)境和任務(wù)對(duì)目標(biāo)識(shí)別的要求。

目標(biāo)識(shí)別需要通過各傳感器獲取信息，包括雷達(dá)、ESM、光電、敵我識(shí)別等傳感器探測(cè)信息以及數(shù)據(jù)鏈等外部信息，可模擬戰(zhàn)場(chǎng)環(huán)境下分布式的多傳感器對(duì)多目標(biāo)的探測(cè)、目標(biāo)想定和探測(cè)數(shù)據(jù)生成，通過預(yù)處理對(duì)數(shù)據(jù)進(jìn)行規(guī)范化和野值剔除，通過時(shí)間和空間相關(guān)形成對(duì)關(guān)于目標(biāo)的統(tǒng)一特征矢量，在輻射源特征知識(shí)庫(kù)支撐下通過模式匹配完成輻射源識(shí)別，基于輻射源識(shí)別結(jié)果結(jié)合規(guī)則知識(shí)庫(kù)進(jìn)行平臺(tái)目標(biāo)屬性決策，處理過程數(shù)據(jù)和結(jié)果入庫(kù)存儲(chǔ)，通過綜合顯示可進(jìn)行輻射源、探測(cè)傳感器與機(jī)動(dòng)目標(biāo)的位置、參數(shù)的動(dòng)態(tài)顯示，通過性能評(píng)估給出目標(biāo)識(shí)別指標(biāo)統(tǒng)計(jì)結(jié)果。目標(biāo)識(shí)別框架如圖1所示。

定義數(shù)據(jù)記錄集S=｛U，A，V，f｝，其中U為傳感器數(shù)據(jù)記錄集合，A為輻射源屬性的集合，V為各屬性的值域，f為總映射函數(shù)。在當(dāng)前時(shí)間點(diǎn)的輻射源記錄集上定義關(guān)系RF，關(guān)系RF將記錄集分成N個(gè)等價(jià)類，這些等價(jià)類中的輻射源記錄都是同一源的相關(guān)信息，有N個(gè)等價(jià)類就有N個(gè)不同的源。例如，若提取關(guān)鍵屬性集B=｛脈寬｝，屬性集B定義的關(guān)系RB如下：

則對(duì)應(yīng)的近似空間為A=｛U，RB｝，等價(jià)類表示為U／RB，每一個(gè)等價(jià)類中的輻射源記錄相關(guān)為同一輻射源記錄，滿足｜B（a）-B（b）｜≤Δ，解釋為記錄a的脈寬值與記錄b的脈寬值在誤差允許范圍Δ內(nèi)相關(guān)。

3.2多特征融合的輻射源類型

由于探測(cè)設(shè)備和電磁環(huán)境的干擾，測(cè)量存在系統(tǒng)誤差和隨機(jī)誤差，特征參數(shù)具有一定的誤差，所以通常采用模式匹配法結(jié)合加權(quán)融合識(shí)別輻射源類型。

對(duì)于頻率、幅度、脈沖寬度、重頻等取值連續(xù)的參數(shù)，使用如下方法計(jì)算匹配置信度：

圖1 目標(biāo)識(shí)別框架Fig.1 Framework for target identification

3 特征數(shù)據(jù)相關(guān)和融合

通過無(wú)源探測(cè)系統(tǒng)接收雷達(dá)、通信、敵我識(shí)別等設(shè)備的輻射信號(hào)從而獲取輻射源的特征參數(shù)，各設(shè)備探測(cè)的目標(biāo)特征從不同的角度描述了目標(biāo)屬性，通過數(shù)據(jù)相關(guān)融合形成目標(biāo)特征的統(tǒng)一描述即目標(biāo)特征屬性集，通過與先驗(yàn)特征知識(shí)庫(kù)的模式匹配，完成輻射源識(shí)別。

3.1特征數(shù)據(jù)相關(guān)生成輻射源數(shù)據(jù)鏈表

裝載在同一個(gè)平臺(tái)目標(biāo)的輻射源，一定具有空間和時(shí)間相關(guān)特性，因此可將數(shù)據(jù)信息中當(dāng)前時(shí)間點(diǎn)上記錄中同源多條記錄信息相關(guān)成一條記錄，形成特征矢量屬性集入數(shù)據(jù)鏈表。

式中，conf是參數(shù)的測(cè)量值，min為參數(shù)取值范圍的下限，max為參數(shù)取值范圍的上限。而inf是參數(shù)的下限擴(kuò)展，sup是參數(shù)的上限擴(kuò)展，與傳感器測(cè)量的精度有關(guān)。一般其擴(kuò)展幅度不超過3倍誤差均值。

對(duì)于信號(hào)體制、調(diào)制方式等離散的參數(shù)，若匹配，CF=1；反之，CF=0。

對(duì)各特征參數(shù)的置信度進(jìn)行融合，體現(xiàn)各特征參數(shù)在識(shí)別中的作用，對(duì)各特征參數(shù)的權(quán)重進(jìn)行設(shè)置，設(shè)匹配后各特征參數(shù)置信度集合為CF=｛CF1，CF2，…，CFk｝，權(quán)重集合為W=｛W1，W2，…，Wk｝，融合后綜合置信度為

在沒有專家經(jīng)驗(yàn)和先驗(yàn)知識(shí)的情況下，無(wú)法確定置信度的融合模型，則各參數(shù)置信度進(jìn)行等權(quán)融合處理，在置信度閾值范圍內(nèi)依據(jù)最大置信度的原則完成輻射源類型識(shí)別。若融合置信度不在置信度閾值范圍內(nèi)，則將對(duì)應(yīng)的特征矢量作為新類型的知識(shí)累積更新輻射源知識(shí)庫(kù)。

4 基于粗糙集的規(guī)則推理識(shí)別

由于輻射源與裝載平臺(tái)之間沒有定量的關(guān)系描述，而粗糙集方法具有直接從問題描述集合出發(fā)發(fā)現(xiàn)問題內(nèi)在規(guī)律的特點(diǎn)，不需要預(yù)先給定特征或?qū)傩缘亩棵枋觯缒：碚撝械碾`屬度或隸屬函數(shù)等，所以利用粗糙集方法的規(guī)則推理給出從輻射源集合到平臺(tái)目標(biāo)集合之間映射關(guān)系進(jìn)而完成平臺(tái)目標(biāo)的識(shí)別。

利用粗集方法進(jìn)行目標(biāo)識(shí)別，需將目標(biāo)屬性數(shù)據(jù)進(jìn)行約簡(jiǎn)，減少冗余信息，得到屬性規(guī)約集，并抽取規(guī)則，利用所得的規(guī)則進(jìn)行目標(biāo)類型的判定。目標(biāo)屬性約簡(jiǎn)即對(duì)大量的目標(biāo)屬性數(shù)據(jù)泛化，整理成二維屬性信息表，形成可辨識(shí)的矩陣求出目標(biāo)屬性的核，將核屬性入屬性約簡(jiǎn)后的屬性集合。規(guī)則的抽取即對(duì)信息表進(jìn)行值約簡(jiǎn)，對(duì)目標(biāo)信息表的條件屬性進(jìn)行考查，分析沖突記錄并保留，刪除重復(fù)或重語(yǔ)義記錄，經(jīng)過約簡(jiǎn)后的信息表，屬性值均為值核，所有記錄就是目標(biāo)判決的規(guī)則。

粗集規(guī)則推理識(shí)別是利用已建立的規(guī)則即條件集輻射源型號(hào)集合R中的子集到結(jié)論集平臺(tái)集合P中的元素之間的映射關(guān)系，進(jìn)行從條件集R到結(jié)論集P的推理，得出平臺(tái)識(shí)別結(jié)果。輻射源型號(hào)用fh1，fh2，…，fhi表示，平臺(tái)型號(hào)用g1，g2，…，gk表示，則R=｛fh1，fh2，…，fhi｝，P=｛g1，g2，…，gk｝，即作如下的推理：

其中還可能出現(xiàn)不確定推理如下：

直觀表示如圖2所示。

圖2 規(guī)則推理識(shí)別Fig.2 Rule-based reasoning identification

為了解決識(shí)別決策中的不確定性，采用Rough算子進(jìn)行判決，首先利用源記錄生成決策表，分離出條件屬性和決策屬性，再運(yùn)用概率合成解決平臺(tái)識(shí)別中不確定推理的決策問題。設(shè)φ和φ分別表示條件和決策集合。從φ→φ是決策規(guī)則，用｜φ｜表示在條件集S中φ的個(gè)體集合，在每一條決策規(guī)則中帶一個(gè)規(guī)則的Rough算子，它被定義為［7］

式中，φ為條件集，φ為結(jié)論集，K（S）表示集合S的基數(shù)，其值為0＜μ（φ，φ）＜l。Rough算子即為在給定條件φ的先驗(yàn)概率下決策φ的條件概率。則平臺(tái)目標(biāo)識(shí)別的決策概率為式中，φ為輻射源集，φ為平臺(tái)目標(biāo)集，平臺(tái)目標(biāo)的決策概率為所有決策φ有關(guān)的條件φ的概率與φ先驗(yàn)概率乘積之和，而p（φ）=K（φ）／K（U）是φ的先驗(yàn)概率，即通過條件φ的先驗(yàn)概率和決策規(guī)則的Rough算子來計(jì)算φ的決策概率，通過概率合成得出數(shù)據(jù)集中某一平臺(tái)目標(biāo)結(jié)論的決策置信度，從而得出目標(biāo)識(shí)別的判決結(jié)果。

假設(shè)由傳感器探測(cè)在時(shí)刻t，位置（L，B，H）平臺(tái)的輻射源為a、k、l、m，提取規(guī)則知識(shí)庫(kù)得規(guī)則知識(shí)決策子集示例如表1所示。

表1 規(guī)則子集示例Table 1 Rules sub-set example

則平臺(tái)的決策可信度為

根據(jù)式（7）～（9）可計(jì)算各平臺(tái)目標(biāo)的決策可信度，進(jìn)而完成目標(biāo)識(shí)別決策。

5 仿真結(jié)果與分析

依據(jù)圖1所示的識(shí)別框架建立仿真系統(tǒng)，對(duì)加載有雷達(dá)、通信等輻射源的平臺(tái)目標(biāo)進(jìn)行探測(cè)，仿真ESM、通信偵察和敵我識(shí)別設(shè)備探測(cè)信息，目標(biāo)屬性特征包括技術(shù)體制、工作頻率、重復(fù)頻率、脈寬、脈沖體制、極化特征、調(diào)制方式、數(shù)據(jù)率等，想定目標(biāo)數(shù)分別為20批次、70批次、100批次、200批次、500批次，包括艦船平臺(tái)目標(biāo)和飛機(jī)平臺(tái)目標(biāo)。

為了檢驗(yàn)算法的容錯(cuò)性能，設(shè)置測(cè)量特征參數(shù)完整性不同的情況下對(duì)識(shí)別率的影響，分別設(shè)置參數(shù)無(wú)殘缺、一個(gè)參數(shù)殘缺以及兩個(gè)參數(shù)殘缺的情況，對(duì)算法的容錯(cuò)性能進(jìn)行比較。

使用不同想定目標(biāo)數(shù)和屬性特征參數(shù)完整性不同的用例，對(duì)目標(biāo)識(shí)別的性能進(jìn)行仿真實(shí)驗(yàn)評(píng)估，將傳統(tǒng)的產(chǎn)生式規(guī)則推理與基于粗集的規(guī)則推理識(shí)別的性能仿真結(jié)果進(jìn)行比較。將各不同目標(biāo)批次下的目標(biāo)識(shí)別率進(jìn)行統(tǒng)計(jì)平均，結(jié)果如表2所示。

表2 目標(biāo)識(shí)別率Table 2 Target recognition rate

表2中的正確識(shí)別率即在統(tǒng)計(jì)時(shí)間段內(nèi)目標(biāo)識(shí)別結(jié)果正確的目標(biāo)數(shù)與仿真想定的總目標(biāo)數(shù)的比值，錯(cuò)誤識(shí)別率即目標(biāo)識(shí)別結(jié)果錯(cuò)誤的目標(biāo)數(shù)與仿真想定的總目標(biāo)數(shù)的比值，模糊識(shí)別率即沒有識(shí)別出的目標(biāo)數(shù)與仿真想定的總目標(biāo)數(shù)的比值。從表2中的仿真結(jié)果可見，在目標(biāo)參數(shù)完整的情況下，產(chǎn)生式規(guī)則推理與基于粗集的規(guī)則推理識(shí)別性能相當(dāng)，在目標(biāo)參數(shù)殘缺的情況下基于粗集的規(guī)則推理識(shí)別正確率比較高，表明基于粗集的規(guī)則推理識(shí)別有比較好的容錯(cuò)性能。

6 結(jié)束語(yǔ)

本文針對(duì)干擾環(huán)境下探測(cè)信息的不確定性和不完整性，建立了多級(jí)分層的靈活高效能的識(shí)別框架，提出基于粗糙集的規(guī)則推理識(shí)別的方法，可以用在數(shù)據(jù)不充分、不完整、存在噪聲甚至一定程度上需要容錯(cuò)處理的場(chǎng)合，或難以建立精確的數(shù)學(xué)模型等情況，可在探測(cè)參數(shù)不完整的情況下保持較高的識(shí)別率，在融合系統(tǒng)或綜合信息處理系統(tǒng)中采用可增強(qiáng)系統(tǒng)的抗干擾能力。

［1］南建設(shè).電子信息裝備一體化的思考［J］.電訊技術(shù)，2009，49（4）：37-40.

NAN Jian-she.Conception for Integrative Design of Electronic Informatin Equipment［J］.Telecommunication Engineering，2009，49（4）：37-40.（in Chinese）

［2］南建設(shè).目標(biāo)綜合識(shí)別系統(tǒng)研究［J］.電訊技術(shù)，2007，47（5）：74-77.

NAN Jian-she.Study on an Integrated Target Identification System［J］.Telecommunication Engineering，2007，47（5）：74 -77.（in Chinese）

［3］陳錫明.智能化雷達(dá)輻射源型號(hào)識(shí)別及其實(shí)現(xiàn)［J］.系統(tǒng)工程與電子技術(shù)，2001，23（7）：1-3.

CHEN Xi-ming.A Method of Recognizing Radar-Source′s Model Intelligently and Its Implementation［J］.Systems Engineering and Electronics，2001，23（7）：1-3.（in Chinese）

［4］陳錫明.新型雷達(dá)輻射源識(shí)別專家系統(tǒng)的研究與實(shí)現(xiàn)［J］.系統(tǒng)工程與電子技術(shù)，2000，22（7）：58-62.

CHEN Xi-ming.Research and Implementation on New Radar Radiating-Source Recognizing System［J］.Systems Engineering and Electronics，2000，22（7）：58-62.（in Chinese）

［5］陳懷新.南建設(shè)，基于多特征參量模糊數(shù)據(jù)融合的輻射源識(shí)別［J］.電訊技術(shù)，2003，43（4）：11-14.

CHEN Huai-xin，NAN Jian-she.Emmiter Rcongnition Using Fuzzy-based Multi-feature Data Fusion［J］.Telecommunication Engineering，2003，43（4）：11-14.（in Chinese）

［6］王國(guó)胤.粗糙集理論應(yīng)用研究綜述［J］.計(jì)算機(jī)學(xué)報(bào)，2009，32（7）：1229-1245.

WANG Guo-yin.A Survey on Rough Set Theory and Application［J］.Chinese Journal of Computers，2009，32（7）：1229 -1245.（in Chinese）

［7］劉清，黃兆華，劉少輝，等.帶Rough算子的決策規(guī)則及數(shù)據(jù)挖掘中的軟計(jì)算［J］.計(jì)算機(jī)研究與發(fā)展，1999，36（7）：800-804.

LIU Qing，HUANG Zhao-hua，LIU Shao-hui，et al.Decision Rules with Rough Oparator and Soft Computing of Data Mining［J］.Journal of Computer Research＆Development，1999，36（7）：800-804.（in Chinese）

Target Recognition Based on Muti-feature Fusion and Rule-based Reasoning

WAN Hong-rong
（Southwest China Institute of Electronic Technology，Chengdu 610036，China）

For improving the reliability of the emitter and target identification in interference environment，a framework for target identification is designed which has classification of the feature level and decision level.Emitters are identified by characteristics association and matching confidence fusion.Rule-based reasoning on rough sets is proposed.The simulation results show that the method can enhance the fault tolerance of the target recognition.

target recognition；rule-based reasoning；confidence；recognition decision

The National Defense Pre-research Project during the 11th Five-year Plan

TN97；TP18

A

10.3969／j.issn.1001-893x.2012.05.010

萬(wàn)洪容（1968—），女，四川犍為人，高級(jí)工程師，主要從事信息處理研究工作。

1001-893X（2012）05-0654-04

2012-03-31；

2012-04-24

“十一五”國(guó)防預(yù)先研究課題

WAN Hong-rong was born in Qianwei，Sichuan Province，in 1968.She is now a sensior engineer.Her reaserch concerns information processing.

Email：wanhongrong-001＠163.com