基于 Web 語義的艦船雷達目標識別系統設計

張　佳（長江大學 工程技術學院，湖北 荊州 434020）

基于 Web 語義的艦船雷達目標識別系統設計

張佳
（長江大學 工程技術學院，湖北 荊州 434020）

針對艦船雷達信號目標的識別方式簡單、識別度低的情況，文中提出基于 Web 語義的艦船雷達回波自動識別系統。因為雷達信號目標特征信息點分散且繁雜，在語義 Web 網下取得雷達信號目標圖像的數據特征，運用改進 FastICA 算法提取特征數據后，通過智能雷達回波視頻圖像識別系統，對艦船目標圖像進行分析。實驗證明，基于 Web 語義的艦船雷達目標識別系統，能使大量信息被系統充分利用，達到精確識別艦船雷達圖像目標的目的。

Web 語義；圖像特征提取；FastICA 算法；圖像識別；智能雷達回波系統

0　引 言

目前，雷達信號的目標識別技術發展很快，而海上艦船雷達信號目標自動識別系統仍然是當今研究的重點［1］。在重要技術環節上，世界上其他國家都開展了探究并獲得一定的研究成果。文獻［2］提出探究雷達信號識別艦船物理原理和散射體聲波數學模塊的方法。文獻［3］則采用現代信號處理技術提取雷達信號回波中的特征數據，采用人工智能識別方式獲取特征識別數據的方法，然后設置分類器進行識別。但是雷達信號特征數據的信息圖像經常分散存在，采用傳統方法對獲取統計數據進行精確分析十分困難，也不能精確識別目標特征點［4-5］。所以對于種類繁多的海上雷達目標，需要設計一種創新有效的雷達目標自動識別系統，這也是日后現代軍事發展中一個需要重點研究的方向［6］。

本文對艦船雷達信號目標特征自動識別系統的建立過程中，提出在 Web 網絡中對艦船雷達目標圖像進行數據整合，形成數據庫［7］，運用基于 ICA 算法為基礎的改進 FastICA 算法［8］，對雷達目標圖像進行提取，在此基礎上，對提取信息實施及時分析。采用智能雷達回波視頻圖像識別系統，以回波視頻圖像的基本要素和回波變化特征為基礎，結合基于無監督投影的識別算法［9-10］，運用操控雷達人員從實踐中逐漸累積的常識及經驗，對簡易判斷規則進行概括，同時變換為計算機程序，運用上述判斷規則，與具有類似智能分析識別效果的方法共同使用，實現雷達目標識別。將推理判決機制技術與優越的人工智能分析技術結合，構建了基于 Web 網絡下的技術綜合、操作快捷、服務作戰的海上目標雷達回波圖像自動識別系統。

1　雷達回波自動識別系統組成

海上目標雷達回波視頻圖像識別系統由語義 Web雷達目標數據庫、智能識別、推理判決機制 3 部分組成，系統構成和信息流程如圖1所示。

圖1　雷達回波系統設計圖Fig.1　Radar system design

進行雷達目標自動識別的基礎過程及原理是：操作雷達人員通常在工作過程中會積累并形成思想定式，對艦船雷達信號特征信息圖像具有相當程度的識別能力，通過對雷達目標回波視頻特征圖像的非智能判斷，將采集的回波視頻樣本通過語義 Web 網對數據進行重新組合，推出最佳方案，將數據輸出到雷達信號目標識別數據庫中；與此同時，針對關鍵性信號目標圖像，通過對圖像分割模塊處理，再獲取目標圖像特征點，回傳到回波特征數據庫中，作為日后分析圖像的樣本圖像。判決策略則是智能分析技術回波判斷推理系統，將分布于不同空間的雷達信號目標圖像特征點進行歸納、對比、堆集、判斷及改正的綜合智能判斷系統。重要作戰時刻，要求迅速、精確、自動辨別雷達信號目標圖像，首先對未曾出現的圖像信息特征點進行檢索，依據此圖像特征點在大批量樣本圖像數據庫中進行快速對比鑒定，根據判斷推理機制進行判別，將判斷結果進行智能分析，回傳數據庫中儲存，并輸出雷達信號目標圖像。

1.1Web 語義下雷達目標識別數據庫

雷達信號目標回波特征識別體系是一種軟硬件相結合的高速實時自動化識別系統。因為艦船目標特征的信息量過大，并且傳統方法識別目標單一，所以，需要引入全新的思考方向和思維方式，語義 Web 網力圖實現的是目前所有網路數據的無縫式信息連接，能被計算機自動處理，提高了回波系統對艦船雷達目標識別的精確度。在語義描述層中，供應一個語義維度，使之無論是層次內部還是外部，都能有效地進行圖像特征數據的重組和交互。圖像數據語義需要添加到 Web 網服務組合模型中，在推理機和組合編輯器的共同作用下，獲取最佳分析數據，供數據庫使用。圖2是雷達回波圖像特征信息數據庫在語義 Web 網中的數據庫功能模塊。

圖2　雷達回波圖像在語義Web網的數據庫結構Fig.2　Radar echo images in the semantic Web database structure

上述模型主要功能包括 Web 服務語義網的建模、對雷達信號目標圖像數據進行處理，將 Web 服務語義網絡和需求推理運算綜合運用，獲得可行的Web 服務分析方案，最后評估出最佳方案，返回用戶端，實現在 Web 網環境下雷達信號目標數據的重新組合。

1.2雷達回波系統智能識別的實現

在實現回波智能系統時可操作的具體方法如下：1）雷達回波視頻圖像特征點的總結；2）建立雷達目標視頻圖像特征點數據庫；3）雷達信號目標圖像分析和特征點的獲取；4）以目標圖像檢測和圖像配比識別為目標。接下來在建立雷達信號目標識別系統時，總體必須體現為智能分析和智能運作。首要第一步是了解回波視頻圖像辨識范圍內的大部分定義、本相、關聯和方式方法等，包括解決智能系統問題依據的基礎判斷知識以及建立雷達信號目標識別數據庫的判斷知識，一方面是由雷達信號專業分析人員（操作雷達人員及重要技術人員）獲取；另一方面是通過收集大量關鍵性回波視頻資料圖像，運用雷達信號專項技術智能處理系統分析獲取；最后完善智能分析系統中數據知識的形式邏輯和保存工作，以確保數據知識的精確性、統一性、完備性。

在智能系統構建過程添加模塊存儲器，使之在Web 語義環境中對大量雷達目標進行處理。先檢測存儲，再進行高速智能重組精確分析，識別后輸出最佳有效數據，使人工判讀和現代自動識別機制結合成智能自動識別系統。

圖3　圖像數據智能識別模塊圖Fig.3　Figure image data intelligent identification module

1.3推理判決機制的實現

雷達目標回波特征提取是對目標進行自動識別的基礎，并且回撥視頻圖像自動分析系統中的識別推理判決機制至關重要。在判決機制方面，構造目標基于知識模式型的識別方法，建立雷達回波顯影特征的推理機制判決策略。獲得必要的4 類目標數據及回波變化視頻圖像特征點后，通過獲取人工觀測雷達回波的成像特征，對目標雷達圖像進行判斷。由于操作雷達人員具備大量的原始積累，部分操作雷達人員具有相當高的水平；智能識別系統中，人工不能實現的部分是對雷達信號目標特征點的自動提取。現將人工判斷與智能識別功能綜合運用，技術方面互相交互，從而產生了以雷達信號回波視頻圖像為基礎的智能識別系統。運用此系統采集得到的真實艦船目標回波數據，對目標進行粗略分類，運用共性策略和個性策略反應出目標的差異性，從共性中尋找個性，從個性中推理判斷目標的程序。在雷達目標的人工判別過程中，操作雷達人員運用關聯推理判斷方法，即以雷達信號多空間特征點為依據，通過知識判斷規則，運用普通思考方法，判斷其真實性質。從底層向上層，各層雷達信號回波視頻特征點向均上層輸出信號，基于底層收集的初始視頻信號進行推理判斷，得出最佳數據組合。智能系統運用正面推理判斷的過程如下：

1）初選規則前件庫中第Ⅰ 條規則（原始值 Ⅰ=1）；

2）依據規則的保證條件，尋找是否有數據庫進行數據支持；

3）若匹配完成，將規則結果儲存于數據庫；

4）篩選下一條規則（Ⅰ=Ⅰ+1）；

5）依據以上的反復過程，直至不再重復此過程，得到最終數據，以此數據為基準，做出推理判斷，運用 PROLOG 開發語言編程，將人工判斷的數據變換成計算機程序語言，最終輸出數據圖像。圖4為判決推理模型。

圖4　判決推理模型Fig.4　Judgment reasoning model

2　實現回波系統識別圖像及改進 FastICA 算法

2.1改進 FastICA 算法

雷達信號目標自動識別系統是以目標及周圍空間雷達信號回波視頻數據為基礎，根據目標和環境的雷達回波信號，運用目標電磁散射分布機理，獲取目標數據特征點，完成對目標性質和類別自動判斷。信號目標的多層結構信息量是雷達自動識別目標的重要依據，由于舊式雷達識別信號的數據具有不準確性，不能達到識別目標的目的，本文的智能雷達識別系統是對雷達技術發展的進一步探究，提出了一種基于獨立分析的改進算法——FastICA 算法，將相應的數據組成向量，作為目標特征向量，結合雷達目標智能識別系統進行工作。具體算法如下：

針對高分辨率雷達信號特征，采用近似負熵作為目標函數，利用快速梯度搜索算法進行運算。設 X為經過處理后的信號（均值為 0，方差為 1），w為 ICA模型中待估計的分離矩陣 W 與獨立分量 si相對應的行向量，滿足：

FastICA 算法的基本思想是：需找投影向量 wi，使得 X 在 wi上面的投影 wiTX 非高斯最大。實際中，由于概率密度分布函數未知，因此采用基于概率密度函數的負熵計算很不方便，運用更有效的負熵近似值計算公式：

式中：G（）為非二次函數；v為一個標準正態分布的隨機變量。FastICA 算法通過尋找，使得 J（wi）取極大值的投影方向 wi，相應得到一個獨立分量 si。使 J（wi）取極大值，則要求

式（3）中g（）為 G（）的導數，由牛頓迭代定理，得

式中：

對公式進行歸一化處理，得到

按照式（4）進行迭代，收斂得到的wiT對應分離矩陣 W的行向量，可提出一個獨立分量 si。對于多個獨立分量，可反復重復上述過程進行分離，得到矩陣W，獲得混合矩陣 A，以此作為樣本特征向量。

綜述以上算法，完成了復雜的雷達回波數據分析，提取了雷達目標回波視頻圖像的特征點，為識別圖像提供了依據。

2.2雷達目標回波圖像識別

雷達信號目標識別系統核心數據經過預先處理、特征提取后，為保證識別系統的快速響應能力，提出了基于圖像矩陣的無監督鑒別投影方法。為避免目標識別與分類器發生錯分，投影準則應確保雷達目標樣本圖像在使用該準則后，能選取最小化局部散度的同時，使非局部散度最大化，通過如下圖像矩陣準則函數，來實現雷達目標識別：

首先，局部散度函數定義為：

非局部散度函數定義為：

其次，準則函數實現步驟如下：

如果投影軸 w 取為單位矢量（wTw=1），式（8）可以表示最優模型

通過求廣義矩陣式（10）的前d個最大特征值，所對應的單位特征矢量可以使準則函數公式（9）最大化。

無監督鑒別投影算法能使雷達目標圖像的識別率及穩定性都達到最佳效果，使艦船雷達目標識別系統對雷達目標實現最優化，成功且準確地識別艦船雷達目標圖像。

3　實驗結果分析

為驗證該算法的精確度和穩定性，通過實驗比較傳統算法與無監督鑒別投影算法在 Matlab 環境下的編程，把 2 種算法進行對比、測試，得出實驗結果。

2）實驗 1

從目標庫中取出 10 幅雷達目標圖像作為樣本圖像，在仿真環境下，對其特征向量提取時間 T（s）、圖像精確度 Q（％）、誤差率 L（％）實行比較，得到結果如表1所示。

表1　兩種算法比較數據表Tab.1 Table comparative data of the two algorithms

圖5　傳統算法的艦船雷達對目標識別效果Fig.5　The traditional algorithm of ship radar target recognition effect

由表1可看出，無監督鑒別投影算法對艦船雷達目標自動識別的精確度高，誤差率低。

2）實驗 2

通過 2 種算法，分別對雷達目標采集的圖像進行識別，對于 2 種算法識別效果，對比效果如圖5和圖6所示。

從圖5和圖6可看出，傳統算法對雷達目標特征向量點的提取不精確，不能完成準確識別；而改進算法較大幅度提高海上雷達目標識別率和作戰效率。

圖6　無監督鑒別投影算法對目標識別效果Fig.6　Unsupervised differential projection algorithm for target recognition effect

4　結 語

針對艦船雷達傳統模式識別目標方法的局限性，本文提出了基于語義 Web的艦船雷達回波視頻圖像自動識別系統，通過語義環境提取大量目標特征信息，重新組合形成數據庫，儲存于模塊控制器中。以此為依據在分類器中進行輸出，采用無監督鑒別投影算法對在 Web 網組合的數據矩陣進行分析，綜合運算后，對艦船雷達目標自動識別。該系統解決了雷達難以對海上目標自動識別的問題，進一步優化和改善雷達自動識別系統的功能，豐富了回波視頻圖像數據庫中的樣本，有一定實用性。

［1］但波，姜永華，李敬軍，等.基于距離多結構的末制導雷達目標識別方法研究［J］.電波科學學報，2015，30（2）：307-315.DAN Bo，JIANG Yong-hua，LI Jing-jun，et al.Target identification method of terminal guidance radar based on range multistructure［J］.Chinese Journal of Radio Science，2015，30（2）：307-315.

［2］陳小剛，李志堅，季輝.增加船載雷達位置環船搖隔離度方法研究［J］.電子設計工程，2015，23（17）：105-107.CHEN Xiao-gang，LI Zhi-jian，JI Hui.Research on position loop to increase the isolation of boat rocking for shipborne radar［J］.Electronicdesign Engineering，2015，23（17）：105-107.

［3］劉慶華，陶峰.擴展卡爾曼濾波算法在船舶雷達液位測量系統中的應用［J］.江蘇科技大學學報（自然科學版），2015，29（5）：449-453.LIU Qing-hua，TAO Feng.Application of extended Kalman filtering in ship radar level measurement system［J］.Journal of Jiangsu University of Science and Technology（natural science edition），2015，29（5）：449-453.

［4］莫翠瓊，陳秋菊，戴幻堯.反艦導彈雷達導引頭艦船目標回波仿真技術［J］.計算機仿真，2014，31（10）：16-19，34.MO Cui-qiong，CHEN Qiu-ju，DAI Huan-yao.Ship target return simulation technology of antiship missile radar seeker［J］.Computer Simulation，2014，31（10）：16-19，34.

［5］臧會凱，周生華，劉宏偉，等.應用正交碼組信號的傳統雷達距離旁瓣抑制方法［J］.電子與信息學報，2014，36（2）：445-452.ZANG Hui-kai，ZHOU Sheng-hua，LIU Hong-wei，etal.Range sidelobe suppression for conventional radar using orthogonal waveforms［J］.Journal of Electronics & Information Technology，2014，36（2）：445-452.

［6］余定峰，耿攀，徐正喜，等.基于電磁建模的艦船雷達波隱身技術［J］.艦船科學技術，2014，36（11）：80-85.YU Ding-feng，GENG Pan，XU Zheng-xi，et al.Research on radar stealth technology of ship based on electromagnetic modeling［J］.Ship Science and Technology，2014，36（11）：80-85.

［7］蘇鵬，馮志勇，陳世展.交互式Web服務語義增強［J］.計算機科學與探索，2015，9（6）：682-691.SU Peng，FENG Zhi-yong，CHEN Shi-zhan.Semantic enhancements of web service with interaction［J］.Journal of Frontiers of Computer Science and Technology，2015，9（6）：682-691.

［8］張杰，劉輝，歐倫偉.改進的FastICA算法研究［J］.計算機工程與應用，2014，50（6）：210-212.ZHANG Jie，LIU Hui，OU Lun-wei.Research on improved FastICA algorithms［J］.Computer Engineering and Applications，2014，50（6）：210-212.

［9］楊昭，向正義，王欣，等.關于寬帶雷達成像目標跟蹤識別仿真研究［J］.計算機仿真，2015，32（11）：55-59.YANG Zhao，XIANG Zheng-yi，WANG Xin，et al.Simulation research about UWB radar imaging target trackingand Recognition［J］.Computer Simulation，2015，32（11）：55-59.

［10］王燕，劉花麗，蘇文君.基于核正交半監督鑒別分析的人臉識別算法［J］.計算機工程與應用，2014，50（12）：120-124.WANG Yan，LIU Hua-li，SU Wen-jun.Face recognition algorithm based on kernel orthogonal semi-supervised discriminant analysis［J］.Computer Engineering and Applications，2014，50（12）：120-124.

Athletes wrong posture recognition method swimming competition video

ZHANG Jia
（Yangtze University College of Technology & Engineering，Jingzhou 434020，China）

In view of ship radar signal recognition method is simple，identify degree is low，this paper puts forward the Web based semantic automatic recognition of radar echo of ships.Because of radar signal characteristic information point fragmented and multifarious，radar signal in the semantic Web offline data characteristics of the target image，using the improved FastICA algorithm to extract the feature data，through the intelligent radar video image recognition system，the analysis of ship target image.Experiments show that semantic ship radar target recognition system based on Web，the system can make a lot of information，make full use of to achieve the purpose of accurately identify the ship radar image.

semantic web；image feature extraction；FastICA algorithm；image recognition；intelligent radar echo system

TP391

A

1672-7619（2016）07-0133-05

10.3404/j.issn.1672-7619.2016.07.030

2016-05-06

湖北省教育科學規劃資助項目（2015GB165）

張佳（1983-），男，講師，研究方向為軟件工程及 Web 語義網。