雷达辐射源类型识别分析

总第２８２期　２０１３年第４期　计算机与数字工程　

Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖｏ１．４１　Ｎｏ．４　

５６５　

雷达辐射源类型识别分析　徐欣　刁联旺　于永生　（１．信息系统工程重点实验室南京２１０００７）（２．中国人民解放军装甲兵学院合肥２３３５００）　

摘要辐射源信号高度密集、波形复杂、频域宽广、隐身和抗干扰能力强，复杂现代电子对抗信号环境下，雷达辐射源类型识别面临着　严峻的挑战。论文总结了雷达辐射源类型识别技术的最新发展动态。针对特征提取和识别算法的现状、雷达辐射源信号数据海量、高维和　递增的特点及特征参数随雷达工作参数和模式变化的特性，分析了雷达辐射源类型识别算法的不足。并且，为改进上述不足之处，提出了现　代电子对抗信号环境下雷达辐射源类型识别的新流程，以进一步提高雷达辐射源类型识别的实时性和准确性。　关键词雷达辐射源识别；分类；数据挖掘　中图分类号ＴＮ９７４　

Ｄｅｖｅｌｏｐｍｅｎｔ　Ｔｒｅｎｄ　ｏｆ　Ｒａｄａｒ　Ｅｍｉｔｔｅｒ　Ｒｅｃｏｇｎｉｔｉｏｎ　ＸＵ　Ｘｉｎ　ＤＩＡＯ　Ｌｉａｎｗａｎｇ　ＹＵ　Ｙｏｎｇｓｈｅｎｇ　（１．Ｓｃｉｅｎｃｅ　ａｎｄ　Ｗｅｃｌｍｏｌｏｇｙ　ｏｎ　Ｉｎｆｏｍｌａｔｉｏｎ　Ｓｙｓｔｅｍ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｌａｂｏｒａｔｏｒｙ，Ｎａｎｉｉｎｇ　２１０００７）（２．Ａｒｍｏｒ　Ｓｃｈｏｏｌ　ｏｆ　ＰＬＡ，Ｈｅｆｅｉ　２３３５００）　

Ａｂｓｔｒａｃｔ　Ｉｎ　ｔｈｅ　ｍｏｄｅｒｎ　ｄｅｃｔｒｏｎｉｃ　ｃｏｕｎｔｅｒｍｅａｓｕｒｅ　ｅｎｖｉｒｏｎｍｅｎｔ，ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｓｉｇｎａｌｓ　ａｒｅ　ｄｅｎｓｅｌｙ　ｄｉｓｔｒｉｂｕｔｅｄ，ｗｉｔｈｉｎ　ｃｏｍｐｌｉｃａｔｅｄ　ｗａｖｅｆｏｒｍｓ　ａｎｄ　ｂｒｏａｄ　ｆｒｅｑｕｅｎｃｙ　ｄｏｍａｉｎ，ａｎｄ　ｈａｖｅ　ａｎｔｉ－ｊａｍ　ａｎｄ　ｓｔｅａｌｔｈ　ｃａｐａｂｉｌｉｔｉｅｓ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｔｈｅ　ｌａｔｅｓｔ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｒｅｃ—　ｏｇｎｉｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ａｒｅ　ｓｕｍｍａｒｉｚｅｄ．Ｗｉｔｈ　ｒｅｇａｒｄｓ　ｔｏ　ｔｈｅ　ｓｔａｔｕｓ　ｏｆ　ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ　ａｎｄ　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ，ｔｈｅ　ｍａｓｓｉｖｅ，　ｈｉｇｈ——ｄｉｍｅｎｓｉｏｎａｌ　ａｎｄ　ｉｎｃｒｅｍｅｎｔａｌ　ｎａｔｕｒｅ　ｏｆ　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｄａｔａ　ａｎｄ　ｔｈｅ　ｔｉｍｅ——ｃｈａｎｇｉｎｇ　ｐｒｏｐｅｒｔｙ　ｏｆ　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｐａｒａｍｅｔｅｒｓ　ｕｎｄｅｒ　ｄｉｆｆｅｒｅｎｔ　ｗｏｒｋ　ｍｏｄｅｓ　ａｎｄ　ｐａｒａｍｅｔｅｒｓ，ｔｈｅ　ｄｅｆｉｃｉｅｎｃｙ　ｏｆ　ｃｕｒｒｅｎｔ　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ　ａｒｅ　ａｎａｌｙｚｅｄ　ａｎｄ　ａ　ｎｏｖｅ１　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｆｒａｍｅｗｏｒｋ　ｉｓ　ｂｒｏｕｇｈｔ　ｆｏｒ　ｗａｒｄ．ｓｏ　ａｓ　ｔｏ　ｂｅｔｔｅｒ　ｓａｔｉｓｆｙ　ｔｈｅ　ｒｅａｌ—ｔｉｍｅ　ａｎｄ　ａｃｃｕｒａｃｙ　ｒｅｑｕｉｒｅｍｅｎｔ　ｏｆ　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｉｎ　ｔｈｅ　ｍｏｄｅｒｎ　ｅｌｅｃ—　ｔｒｏｎｉｃ　ｃｏｕｎｔｅｒｍｅａｓｕｒｅ　ｅｎｖｉｒｏｎｍｅｎｔ．　Ｋｅｙ　Ｗｏｒｄｓ　ｒａｄａｒ　ｅｍｉｔｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ，ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｄａｔａ　ｍｉｎｉｎｇ　Ｃｌａｓｓ　Ｎｕｍｂｅｒ　ＴＮ９７４　

１　引言　雷达辐射源类型识别指的是根据雷达辐射源目标的信　号参数特征，对目标的类型属性进行判断。雷达辐射源类　型识别对电子战　和雷达对抗的意义重大。实时和准确　地判断战场雷达辐射源目标类型是进行指挥决策的重要指　导依据。　随着雷达技术的迅速发展和电子对抗信号环境的不断　复杂化，对雷达辐射源类型识别的要求越来越高。早期的　侦察机，由于信号环境和信号形式简单，只需进行简单的常　规特征参数匹配，即可由操作员利用其掌握的简单知识进　行雷达辐射源类型识别。然而，在现代战争中雷达辐射源　信号日益复杂，仅靠人工识别无法达到战场条件下实时性　和准确性的要求。　雷达辐射源信号的日益复杂性主要体现在以下几个方　面。第一，雷达辐射源信号频率覆盖范围更加广泛，出现大　量未知的雷达辐射源信号。第二，出于提高雷达辐射源识　别、隐身和抗干扰等能力的需求，随着雷达技术水平的提高　出现了越来越多新的复杂体制雷达＿３］。新体制雷达信号形　式复杂、参数多变、变化规律复杂且变化范围大，不仅在频　域上有复杂的变化，而且在时域的变化也很多，甚至时域和　频域的参数都有变化。第三，随着雷达辐射源体制的增多、　工作频段的增宽，不同雷达辐射源的工作频段在越来越宽　的范围上相互重叠，同时在时域上也密集和交迭。　因此，在信号高度密集、波形复杂、频域宽广、隐身和抗　干扰能力强的现代电子对抗信号环境下＿４］，雷达辐射源类　型识别面临着严峻的挑战，现有的雷达辐射源识别系统迫　切需要更新换代。雷达辐射源信号识别必须依据更加细微　的特征和更加灵活的识别算法，向自动化、智能化方向进一　步发展，以提供实时和准确的识别能力。　

２研究现状　当前的雷达辐射源类型识别流程一般可表示为三个过　程：预处理、特征提取和分类识别，其中分类识别又包括雷　达辐射源训练样本的采集，雷达辐射源分类模型的构建和　分类模型识别结果的输出，如图１所示。　２．１特征提取　按照雷达辐射源类型识别所提取的特征，其研究可以　分为常规特征法和脉内特征法。　常规特征法主要依据如载频（ＣＦ）、脉冲宽度（Ｐｗ）、脉　

收稿日期：２０１２年１Ｏ月８日，修回日期：２０１２年１１月２９日　作者简介：徐欣，女，博士，高级工程师，研究方向：数据挖掘。刁联旺，男，博士，教授，研究方向：数据融合。于永生，男，研究员级高　工，研究方向：数据融合。　２０１３年第４期　计算机与数字工程　５６７　２）识别算法对海量、递增和高维雷达辐射源训练样本　的自学习能力有待加强。现有的识别算法基本上都是针对　数目小、静态和低维的训练样本，当训练样本的数目和维度　较大且不断递增时，将不能保证识别的实时性和准确率。　３）识别算法在分类建模时没有考虑常规特征参数和　脉内特征参数在雷达辐射源工作参数和模式改变时的变　化，以及本身的时变特性。局限于静态不变的特征参数。　改进以后的雷达辐射源类型识别流程如图２所示。在　训练样本上识别算法对提取特征进行评估，并将结果反馈　特征提取，直接指导特征提取的进行。识别算法随着雷达　辐射源训练样本在特征、类型和数目的递增，以及特征参数　在不同工作参数和模式下的变化，对原先构建的雷达辐射　源分类模型进行动态更新，形成自学习能力。　

４结语　本文总结了雷达辐射源类型识别中特征提取和分类识　别方法的最新发展动态，并指出了其中的不足之处。不足　之处包括：识别算法对海量、递增和高维雷达辐射源训练样　本的自学习能力有待加强；识别算法在分类建模时没有考　虑常规特征参数和脉内特征参数在雷达辐射源工作参数和　模式改变时的变化，以及本身的时变特性，局限于静态不变　的特征参数。针对上述不足，本文提出了现代电子对抗信　号环境下雷达辐射源类型识别的新流程，以更好地满足雷　达辐射源类型识别的实时性和准确性要求。　

参考文献　Ｅｌｉ　Ｃｏｌｌｉｎｓ　Ｊ　Ｈ，Ｇｒａｎｔ　Ｐ　Ｍ．Ａ　ｒｅｖｉｅｗ　ｏｆ　ｃｕｒｒｅｎｔ　ａｎｄ　ｆｕｔｕｒｅ　ｃｏｍ　ｐｏｎｅｎｔｓ　ｆｏｒ　ｅｌｅｃｔｒｏｎｉｃ　ｗａｒｆａｒｅ　ｒｅｃｅｉｖｅｒｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｓｏｎｉｃｓ　ａｎｄ　Ｕｌｔｒａｓｏｎｉｃｓ，１９８１，２８（３）：１１７—１２５．　［２］赵国庆．雷达对抗原理［Ｍ］．西安：西安电子科技大学出版社，　ｌ９９９．　ＺＨＡＯ　Ｇｕｏｑｉｎｇ．Ｐｒｉｎｃｉｐｌｅ　ｏｆ　Ｒａｄａｒ　Ｃｏｕｎｔｅｒｍｅａｓｕｒｅ［Ｍ］．　Ｘｉ’ａｎ：Ｘｉ’ａｎ　Ｅｌｅｃｔｒｏｎｉｃ　ａｎｄ　Ｓｃｉｅｎｃｅ　Ｕｎｉｖｅｒｓｉｔｙ，１９９９．　［３］Ｅｌｂｉｒｔ　Ａ　Ｊ．Ｉｎｆｏｒｍａｔｉｏｎ　ｗａｒｆａｒｅ：ａｒｅ　ｙｏｕ　ａｔ　ｒｉｓｋ口］．ＩＥＥＥ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｓｏｃｉｅｔｙ　Ｍａｇａｚｉｎｅ，２００３，２２（４）：１３—１９．　Ｅ４］Ｓｔｏｖｅ　Ａ　Ｇ，Ｈｕｍｅ　Ａ　Ｌ，Ｂａｋｅｒ　Ｃ　Ｊ．Ｌｏｗ　ｐｒｏｂａｂｉｌｉｔｙ　ｏｆ　ｉｎｔｅｒ—　ｃｅｐｔ　ｒａｄａｒ　ｓｔｒａｔｅｇｉｅｓ［Ｃ］／／ＩＥＥＥ　Ｐｒｏｃ．Ｒａｄａｒ　Ｓｏｎａｒ　Ｎａｖｉｇ，　２００４，ｌ５１（５）：２４９—２６０．　［５］王乃和．关于ＥＳＭ中雷达信号分选识别问题的探讨［Ｊ］．电子　对抗，１９９１，２５（３）：４４—５１．　ＷＡＮＧ　Ｎａｉｈｅ．Ａ　Ｓｔｕｄｙ　ｏｆ　Ｒａｄａｒ　Ｓｉｇｎａｌ　ｓｏｒｔｉｎｇ　ａｎｄ　ｉｄｅｎｔｉｆｉｃａ—　ｔｉｏｎ　ｆｏｒ　ＥＳＭ［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃ　Ｃｏｕｎｔｅｒｍｅａｓｕｒｅ，１９９１，２５（３）：４４—　５１．　［６］Ｐｅｒｄｒｉａｕ　Ｂ．Ｍｏｄｕｌａｔｉｏｎ　ｄｏｍａｉｎ　ｏｆｆｅｒｓ　ａ　ｎｅｗ　ｖｉｅｗ　ｏｆ　ｒａｄａｒ　ｐｅｒ—　ｆｏｒｍａｎｅｅ［Ｊ］．ＭＳＮ，１９９０（４）：２７—４３．　［７］穆世强．雷达信号脉内细微特性分析口］．电子对抗，１９９１（２）：　２８－３７．　Ｍｕ　Ｓｈｉｑｉａｎｇ．Ｉｎｔｒａ—ｐｕｌｓｅ　Ａｎａｌｙｓｉｓ　ｏｆ　Ｒａｄａｒ　Ｓｉｇｎａｌ￣Ｊ］．Ｅｌｅｃ　ｔｒｏｎｉｃ　Ｃｏｕｎｔｅｒｍｅａｓｕｒｅ，１９９１（２）：２８－３７．　［８］张葛祥．雷达辐射源信号智能识别方法研究［Ｄ］．成都：西南交　通大学，２００５．　ＺＨＡＮＧ　Ｇｅｓｉａｎｇ．Ａ　Ｓｔｕｄｙ　ｏｆ　Ｒａｄａｒ　Ｅｍｉｔｔｅｒ　Ｓｉｇｎａｌ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｉｄｅｎｔ｜ｆｉｃａｔｉ０ｎ［Ｄ］．Ｃｈｅｎｇｄｕ：Ｓｏｕｔｈｗｅｓｔ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，　２００５．　［９］Ｊａｒｍｏ　Ｌｕｎｄｅｎ，Ｖｉｓａ　Ｋｏｉｖｕｎｅｎ．Ａｕｔｏｍａｔｉｃ　ｒａｄａｒ　ｗａｖｅｆｏｒｍ　ｒｅｃ—　

ｏｇｎｉｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｅｌｅｃｔｅｄ　ＴｏＰｉｃｓ　ｉｎ　Ｓｉｇｎａｌ　Ｐｒｏ　ｃｅｓｓｉｎｇ，２００７，１（１）：１２４—１３６．　［１Ｏ］ＤｅｌＰａｒｔ　Ｎ．Ａ　ｓｙｍｐｔｏｔｉｃ　ｗａｖｅｌｅｔ　ａｎｄ　Ｇａｂｏｒ　ａｎａｌｙｓｉｓ：Ｅｘｔｒａｃ—　ｔｉｏｎ　ｏｆ　Ｉｎｓｔａｎｔａｎｅｏｕｓ　Ｆｒｅｑｕｅｎｃｉｅｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　ｌｎｆｏｒｍａ—　ｔｉｏｎ　Ｔｈｅｏｒｙ，１９９２，３８（３）：６４４—６６４．　［１１］Ｒａｙ　Ｐ．Ｓ．Ｒａｄａｒ　Ｗａｖｅｆｏｒｍ　Ｍｏｄｕｌａｔｉｏｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　ｂｙ　Ｎｅｕ—　ｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　Ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎｓ，１９９６：１２１—１２４．　［１２］普运伟，金炜东，胡来招．基于瞬时频率二次特征提取的辐射　源信号分类ｒＪ］．西南交通大学学报，２００７，４２（３）：３７３—３７９．　ＰＵ　Ｙｕｎｗｅｉ，ＪＩＮ　Ｗｅｉｄｏｎｇ，ＨＵ　Ｌａｉｚｈａｏ．Ａｕｔｏｍａｔｉｃ　Ｃｌａｓｓｉｆｉ　ｃａｔｉｏｎ　ｏｆ　Ｒａｄａｒ　Ｅｍｉｔｔｅｒ　Ｓｉｇｎａｌｓ　Ｂａｓｅｄ　ｏｎ　Ｃａｓｃａｄｅ　Ｆｅａｔｕｒｅ　Ｅｘ　ｔｒａｃｔｉｏｎｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｕｔｈｗｅｓｔ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，２００７，　４２（３）：３７３—３７９．　［１３］Ｒｏｏｍｅ　Ｓ　Ｊ．Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　Ｒａｄａｒ　Ｓｉｇｎａｌｓ　ｉｎ　Ｍｏｄｕｌａｔｉｏｎ　Ｄｏ—