基于PDW 的雷達情報處理及算法訓練系統設計

張 鴻,宋新超

(中國船舶重工集團公司第七二三研究所,江蘇 揚州225101)

0 引 言

雷達脈沖描述字(PDW)[1]數據是最重要的偵察原始情報數據之一。隨著雷達技術的迅猛發展,雷達工作體制的多樣化、復雜化以及各種體制的綜合利用,電子對抗面臨著越來越復雜的電磁環境[1]。特別是多功能雷達、相控陣雷達、低截獲概率雷達的普遍應用,隱藏在PDW數據中的雷達多模式信息、樣式關聯信息以及雷達促發脈沖信息等越來越容易被忽視或難以發現。因此研究PDW情報數據系統,利用圖形化、數據分層挖掘、歷史追溯以及“人在回路”等分析手段,全面獲取戰場態勢情報,不斷完善和擴充雷達情報數據庫,為后續作戰決策提供更加完整的情報支撐。

另外,電子情報系統中,軟件算法的改進優化以及新算法的應用,可以在不改變系統硬件的情況下,快速提升設備的偵察性能。本系統通過高精度的PDW回放技術,全真復原戰場態勢,為信號分選軟件算法的改進升級驗證、新算法的開發訓練提供依據,并逐步建立感知-反饋-處理的閉環模式[2],為電子戰認知處理技術[3]打下基礎。

1 系統組成

基于PDW的雷達情報處理及算法訓練系統以PDW數據“倉庫”為中心,通過調用不同的應用軟件,實現以下功能:

(1)數據管理;

(2)情報挖掘與歷史追溯;

(3)數據重演與算法訓練;

(4)基于人機交互的可視化分析。

如圖1,本系統的目標是通過建立和完善雷達PDW情報數據庫,對PDW信息進行分層挖掘,根據可信度逐層分析,由淺入深,結合歷史追溯,全面挖掘雷達樣式及關聯信息、低截獲概率雷達參數特征,形成完整、可靠的雷達電子情報,并以此為依據,通過數據重演,實現對裝備軟件性能的訓練和考核。

圖1 系統組成

2 模塊設計

2.1 數據管理

本系統數據管理分三部分:PDW數據文件管理、輻射源描述字(EDW)文件管理以及雷達情報庫管理,如圖2所示。

圖2 數據管理

(1)PDW數據文件管理,實現對PDW文件的查詢、調用、日志修改、刪除等功能;同時可根據算法訓練需求,對多個PDW文件在時序上進行合并處理,生成密度更高、場景更復雜的新的態勢文件,如圖3所示。

(2)EDW文件的管理。每個EDW文件是對相應的PDW文件詳細分析后生成的,是對PDW態勢中所有輻射源特征的提取和描述。算法訓練的結果可與相應的文件對比,以驗證算法的性能。

圖3 態勢合并

(3)對雷達情報庫的管理。通過對不同態勢的PDW和EDW進行綜合分析和數據挖掘后,形成較為完善可靠的雷達情報數據庫,可作為雷達識別軟件算法訓練的依據。

2.2 情報挖掘與歷史追溯

傳統電子戰情報獲取采用“基于實驗室”和“瞬間處理方式”等方式,帶來了以下問題:

(1)“基于實驗室”:這種方式是在實驗室下通過技術人員來提取相關雷達情報數據,提取的水平完全取決于人員的技術水平以及投入程度,處理速度慢,效率低。這樣獲取的特征具備不確定性,且由于特征提取方法中不可避免地會帶入人的主觀性和猜測性,影響情報的準確性。

(2)“瞬間處理方式”:傳統電子戰系統數據處理采用“瞬時處理方式”,造成了雷達情報信息“上下文不關聯”,“與歷史無關聯”,損失了情報之間的內在聯系。

研究情報挖掘技術,為了解決目前“基于實驗室”所帶來的問題,通過對PDW信息分層挖掘計算的研究,將各個歷史的雷達情報數據根據可信度逐層分析,由淺入深,全面挖掘雷達樣式信息、低截獲概率雷達信息,形成雷達電子情報信息。通過智能方法的引入,可以對提取出的特征進行分析和評價,從中選擇出最有效的特征。接下來從流程的角度對數據挖掘[4]加以說明。

圖4 情報挖掘流程圖

由圖4可知,數據挖掘的過程可以大致分為6步:

(1)分析任務:從雷達信號處理的角度理解目標和需求,將其轉換為數據挖掘問題,設計達到目標的計劃。

(2)理解數據:在這一步里,需要對雷達信號數據做收集、描述、探索、質量驗證等工作。

(3)預處理:將輸入的雷達數據加以轉換、清洗、選擇、規范等操作,目的是獲得更適合處理的雷達信號形式。

(4)數據挖掘:選擇和應用各種挖掘工具對雷達信號數據進行處理并建模,挖掘出數據中蘊藏的信息,以知識的形式給出。

(5)評估:對挖掘結果進行評估,檢查挖掘步驟,確認目標的實現效果。該步驟需要結合可視化、模式表示、模式過濾等手段進行,還可能需要使用統計度量、假設檢驗等方法來刪除虛假的挖掘結果。

(6)部署:該步驟中,可以是直接將挖掘得到的知識投入接下來其它環節的使用,也可以是只生成1份報告,用于人工分析。

雷達情報歷史追朔技術是根據已知雷達目標參數信息,在已有的PDW數據倉庫中進行查詢,獲取原始PDW數據,分析其歷史出現時間、持續時間、出現頻次、出現方位等信息。使得“瞬時處理方式”不再孤立而是有知識庫的支撐。由于知識庫的支撐,對于多功能雷達、相控陣雷達的工作方式可以更好地分析,從而實現雷達信號的自動分類識別,進一步揭示數據中隱藏的特征模式,展示時間相關的變化規律和趨勢,從而使電子戰系統具備認知能力。

2.3 數據重演與算法訓練

以往通常采用單一的雷達數字信號模擬器對情報處理軟件算法進行評估,由于雷達數字信號模擬器模擬的PDW數據是沒有噪聲污染的理想數據,與真實戰場環境相差甚遠,訓練出來的軟件根本無法適應真實戰場復雜環境。本系統利用采集的PDW數據以及雷達情報數據庫的數據支撐,可以對情報分析算法進行訓練和評估,提高情報軟件復雜環境的適應能力,達到算法完善的目的。

常用的算法訓練流程如圖5所示。首先根據算法訓練需求,從PDW數據倉庫調用相應的態勢文件,按照錄取的實際時序節拍將PDW輸出給待訓練的軟件算法。該算法輸出的情報數據與雷達情報數據庫進行比對,完成算法性能評估,并給出評估結果。待訓練軟件根據評估結果自適應調節參數,重新訓練,直至達到最優性能。

圖5 數據重演與算法訓練

2.4 基于人機交互的可視化分析

可視化分析[5]是通過人機交互將自動數據處理和可視化方法緊密結合的一種理論,如圖6所示,展示了一個典型的可視分析流程圖。該流程的起點是輸入的數據,終點是提煉得到的知識。從數據到知識有2個途徑:交互的可視化方法和自動的數據分析(如數據挖掘)方法。這2個途徑的中間結果分別是數據的可視化結果和從數據中提煉的數據模型。用戶可以將可視化結果與自動分析得到的模型進行互動,通過調整參數修正模型,以便得到更好的可視化結果。

數據可視化流程的核心要素:

(1)數據的表示與變換數據。可視化的基礎是數據表示和變換。為了允許有效的可視化、分析和記錄,需要研究有效的數據提煉方法,以最大程度地保持信息和知識的內涵及相應的上下文內容。

圖6 可視分析流程圖

(2)數據的可視化呈現。將數據以一種直觀、容易理解和操縱的方式呈現給用戶,需要將數據轉換為可視表示并呈現給用戶。數據可視化向用戶傳播了信息,而同一數據集往往可能對應多種視覺呈現形式,即視覺編碼。數據可視化的一個核心內容是從巨大的呈現多樣性空間中選擇最合適的編碼形式。

基于人機交互的可視化分析技術是更細致、更全面、更深層次的情報分析方法,結合了“人在回路”的設計思想,對常規分選后遺留的碎片化的PDW數據進行人工輔助分析,甄別是否為噪聲信號,而往往正是這些看似噪聲的碎片化的離群點、奇異點掩藏著重要的情報信息。

3 結束語

本文對基于PDW的雷達情報處理及算法訓練系統進行了詳細介紹,對主要功能模塊的設計思想進行了詳細說明。該系統綜合運用了多種情報提取手段,能夠獲取更為完善和全面的雷達情報信息,對新算法軟件的開發、現役裝備軟件的改進升級具有重要的指導意義,為電子戰系統發展“認知、學習和自適應”能力奠定了基礎。