面向非协作多功能雷达的波形单元提取方法

doi:10.12305/j.issn.1001-506X.2021.10.18

系统工程与电子技术 ›› 2021, Vol. 43 ›› Issue (10): 2843-2850.doi: 10.12305/j.issn.1001-506X.2021.10.18

面向非协作多功能雷达的波形单元提取方法

阳榴^1,², 朱卫纲^1,*, 吕守业², 马爽²

1. 航天工程大学电子与光学工程系, 北京 101416
2. 北京遥感信息研究所, 北京 100192

收稿日期:2020-05-02 出版日期:2021-10-01 发布日期:2021-11-04
通讯作者: 朱卫纲
作者简介:阳榴(1991—), 女, 助理工程师, 硕士研究生, 主要研究方向为雷达信号处理、航天信息处理|朱卫纲(1973—), 女, 教授, 博士, 主要研究方向为雷达信号处理、空间信息对抗、认知电子战|吕守业(1979—), 男, 研究员, 博士, 主要研究方向为电子信号数据处理、航天信息处理|马爽(1981—), 男, 助理研究员, 博士, 主要研究方向为航天信息处理
基金资助:
电子信息系统复杂电磁环境效应国家重点实验室项目(2020Z0203B)

Waveform unit extraction method for non-cooperative multi-function radar

Liu YANG^1,², Weigang ZHU^1,*, Shouye LYU², Shuang MA²

1. Department of Electronic and Optical Engineering, Space Engineering University, Beijing 101416, China
2. Beijing Institute of Remote Sensing, Beijing 100192, China

Received:2020-05-02 Online:2021-10-01 Published:2021-11-04
Contact: Weigang ZHU

摘要/Abstract

摘要：

针对当前波形单元提取技术难以应用于非协作多功能雷达(multi-function radar, MFR)实侦数据的问题, 构建了基于MFR多参数序列的二分类模型, 在此基础上提出了一种自适应确定输入参数的密度聚类算法进行分类。该方法无需依靠MFR波形库的先验知识, 采用无监督学习的方式提取波形单元。同时, 充分利用多参数间的联合变化和数据集的整体分布信息提高算法鲁棒性, 并通过引入输入参数λ可对不同用户需求调整算法性能。仿真实验表明, 该算法可以有效地提取非协作MFR波形单元, 同时能够适应测量误差和脉冲丢失的干扰, 具有良好的鲁棒性和准确性, 有利于实际工程应用。

关键词: 非协作多功能雷达, 波形单元, 数据驱动, 无监督学习, 密度聚类

Abstract:

Aiming at the problems that the current waveform unit extraction technology is difficult to apply in the reconnaissance data of non-cooperative multi-function radar (MFR), a binary classification model based on MFR multi-parameter sequence is constructed, and a density clustering algorithm with adaptive input parameters for classification is proposed. This method does not need to rely on the prior knowledge of MFR waveform library, and uses unsupervised learning to extract waveform units. At the same time, making full use of the joint changes among multiple parameters and the overall distribution information of the data set to improve the robustness of the algorithm. The performance of the algorithm can be adjusted for different user requirements by setting the input parameter λ. Simulation results show that the proposed algorithm can effectively extract non-cooperative MFR waveform units, and can adapt to the interference caused by measurement error and pulse loss. It has good robustness and accuracy, and is conductive to practical engineering application.

Key words: non-cooperative multi-function radar, waveform unit, data-driven, unsupervised learning, density-based spatial clustering

中图分类号:

TN95

阳榴, 朱卫纲, 吕守业, 马爽. 面向非协作多功能雷达的波形单元提取方法[J]. 系统工程与电子技术, 2021, 43(10): 2843-2850.

Liu YANG, Weigang ZHU, Shouye LYU, Shuang MA. Waveform unit extraction method for non-cooperative multi-function radar[J]. Systems Engineering and Electronics, 2021, 43(10): 2843-2850.

图/表 13

图1

图2

图3

图4

图5

表1

表2

表3

图6

图7

图8

图9

表4

参考文献 15

1	HAYSTEAD J . DARPA seeks proposals for adaptive radar countermeasures[J]. Journal of Electronic Defense, 2012, 35.
2	张双图. 雷达功能推断方法研究及软件设计[D]. 西安: 西安电子科技大学, 2017.
	ZHANG S T. Study on the methods of radar function inference and software design[D]. Xi'an: Xidian University, 2017.
3	VISNEVSKI N, HAYKIN S, KRISHNAMURTHY V, et al. Hidden Markov models for radar pulse train analysis in electronic warfare[C]//Proc. of the IEEE International Conference on Acoustics, Speech & Signal Processing, 2005: 597-600.
4	刘海军. 雷达辐射源识别关键技术研究[D]. 长沙: 国防科学技术大学, 2010.
	LIU H J. Researches on identification key technology for radar emitter[D]. Changsha: National University of Defense Technology, 2010.
5	陈维高, 朱卫纲, 唐晓婧, 等. 栈式降噪自编码器在波形单元识别中的应用[J]. 哈尔滨工业大学学报, 2018, 50 (11): 94- 100.
	CHEN W G , ZHU W G , TANG X J , et al. The application ofstacked denoising autoencoders in waveform unit identification[J]. Journal of Harbin Institute of Technology, 2018, 50 (11): 94- 100.
6	JEROME D V. Tracking the operational mode of multi-fuction radars[D]. Canada: Mcmaster, 2007.
7	马爽. 多功能雷达电子情报信号处理关键技术研究[D]. 长沙: 国防科学技术大学, 2013.
	MA S. Research on ELINT signal processing key technologies for multifunction radar[D]. Changsha: National University of Defense Technology, 2013.
8	方旖, 陈秋菊, 潘继飞, 等. 基于贝叶斯的多功能雷达脉冲列变化点检测[J]. 指挥与控制学报, 2019, 5 (4): 308- 315. doi: 10.3969/j.issn.2096-0204.2019.04.0308
	FANG Y , CHEN Q J , PAN J F , et al. Multi-function radar pulse sequence change point detection based on bayesian criterion[J]. Journal of Command and Control, 2019, 5 (4): 308- 315. doi: 10.3969/j.issn.2096-0204.2019.04.0308
9	王勇军. 一种改进的事件驱动的MFR雷达字提取方法[J]. 现代雷达, 2019, 41 (3): 17- 20.
	WANG Y J . Novel approach of radar word extraction for MFRs based on event-driven method[J]. Modern Radar, 2019, 41 (3): 17- 20.
10	COCHRAN D , SUVOROVA S , HOWARD S D , et al. Waveform libraries[J]. IEEE Signal Processing Magazine, 2009, 26 (1): 12- 21. doi: 10.1109/MSP.2008.930415
11	KAUPPI J , MARTIKAINEN K , RUOTSALAINEN U . Hierarchical classification of dynamically varying radar pulse repetition interval modulation patterns[J]. Neural Networks, 2010, 23 (10): 1226- 1237. doi: 10.1016/j.neunet.2010.06.008
12	王实美. 基于DBSCAN的自适应非均匀密度聚类算法研究[D]. 北京: 北京交通大学, 2017.
	WANG S M. Research on adaptive varied density clustering algorithm based on DBSCAN[D]. Beijing: Beijing Jiaotong University, 2017.
13	李文杰, 闫世强, 蒋莹, 等. 自适应确定DBSCAN算法参数的算法研究[J]. 计算机工程与应用, 2019, 55 (5): 1- 7, 148.
	LI W J , YAN S Q , JIANG Y , et al. Research on method of self-adaptive determination of DBSCAN algorithm parameters[J]. Computer Engineering and Applications, 2019, 55 (5): 1- 7, 148.
14	周志华. 机器学习[M]. 北京: 清华大学出版社, 2016.
	ZHOU Z H . Machine learning[M]. Beijing: Tsinghua University Press, 2016.
15	STEINBACH M, KARYPIS G, KUMAR V. A comparison of document clustering techniques[C]//Proc. of the Knowledge Discovery and Data Mining Workshop on Text Mining, 2000: 525-526.

类型	波形单元	脉冲重复间隔PRI/μs		载频RF/MHz		脉宽PW/μs		脉冲个数
类型	波形单元	类型	取值	类型	取值	类型	取值	脉冲个数
A	1	参差	(880/850/940)×3	固定	3 423	固定	15.1	9
	2		(846/783/723)×3		3 365		10.0	9
	3		(1 060/1 150/1 100)×3		3 236		29.4	9
	4		(1 200/1 250/1 310)×3		3 248		55.1	9
B	5~34	滑变	490~620	捷变	3 100~3 450	可选择	6.0/10.0	5~40
C	35	组变	745×4	固定	3 380	固定	6.0	4
	36		825×4		3 300		10.0	4
	37		1 276×4		3 221		15.1	4
	38		1 342×4		3 185		55.1	4
D	39	固定	955	跳变	3 400×12/3 360×12/3 320×12	可选择	10.0×12/15.1×12/29.4×12	36
E	40	抖动	1 150~1 450	固定	3 100	可选择	6.0/10.0	40

算法	是否采用二分类模型	Eps	MinPts	F-score
DA-DBSCAN	否	7.9	3	0.720
DA-DBSCAN	是	6.8	3	0.979
DBSCAN	否	6.0	6	0.642
		7.0	6	0.667
		8.0	6	0.731
	是	4.0	6	0.866
		5.5	6	0.943
		7.0	6	0.965
层次聚类	否	—	—	0.664
层次聚类	是	—	—	0.928

(RDP/EDL)/%	TPR/%	FPR/%	F-score
0	92.75/92.98	1.03/1.04	0.986 5/0.986 5
5	92.72/87.15	1.16/2.22	0.985 1/0.973 1
10	92.67/88.60	1.26/2.43	0.984 0/0.972 4
15	92.62/87.05	1.36/2.73	0.982 8/0.969 1
20	92.59/86.35	1.45/3.04	0.981 7/0.966 3
25	92.59/85.75	1.57/3.49	0.980 3/0.962 5
30	92.47/86.49	1.62/3.90	0.979 5/0.959 9
35	92.36/86.51	1.74/4.25	0.977 9/0.957 4
40	92.37/85.27	1.90/4.65	0.976 1/0.953 7
45	92.37/86.51	2.11/5.14	0.973 8/0.950 8
50	91.94/86.18	2.16/5.47	0.972 2/0.948 4

λ	TPR/%	FPR/%	F-score
-1	94.49	12.89	0.899 9
-0.9	94.20	11.89	0.906 4
-0.8	93.87	10.89	0.912 9
-0.7	93.50	9.90	0.919 4
-0.6	93.08	8.93	0.925 8
-0.5	92.66	7.94	0.932 5
-0.4	92.13	6.97	0.939 0
-0.3	91.54	6.05	0.945 3
-0.2	90.80	5.11	0.951 6
-0.1	89.87	4.21	0.957 6
0	88.59	3.36	0.963 3
0.1	86.70	2.54	0.968 3
0.2	83.50	1.79	0.971 9
0.3	78.87	1.18	0.973 3
0.4	72.02	0.71	0.971 6
0.5	63.34	0.39	0.966 9
0.6	53.11	0.00	0.959 2
0.7	41.34	0.00	0.948 2
0.8	27.71	0.00	0.933 0
0.9	12.99	0.00	0.913 4
1	0.11	0.00	—

[1]	曹鹏宇, 杨承志, 石礼盟, 吴宏超. 基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法[J]. 系统工程与电子技术, 2022, 44(4): 1158-1165.
[2]	黄嘉, 常思江. 基于数据驱动的攻击时间和攻击角度控制导引律[J]. 系统工程与电子技术, 2022, 44(10): 3213-3220.
[3]	邢志伟, 刘洪恩, 李彪, 罗谦, 文涛, 陈肇欣. 基于时空关联网络的机场机位运行过程建模[J]. 系统工程与电子技术, 2021, 43(3): 722-730.
[4]	孟晨, 杨华晖, 王成, 马征. 数据驱动的武器系统电子元部件级故障诊断研究综述[J]. 系统工程与电子技术, 2021, 43(2): 574-583.
[5]	季策, 穆文欢, 耿蓉. 基于A-DBSCAN的欠定盲源分离算法[J]. 系统工程与电子技术, 2020, 42(12): 2676-2683.
[6]	王鹏, 杨妹, 祝建成, 鞠儒生, 李革. 面向数字孪生的动态数据驱动建模与仿真方法[J]. 系统工程与电子技术, 2020, 42(12): 2779-2786.
[7]	张翔, 李革, 王鹏. 基于动态数据驱动的反潜战仿真系统目标探测设计[J]. 系统工程与电子技术, 2018, 40(11): 2591-.
[8]	葛承垄, 朱元昌, 邸彦强, 胡志伟. 装备平行仿真技术的基础理论问题[J]. 系统工程与电子技术, 2017, 39(5): 1169-1177.
[9]	徐建国, 李孟军, 姜江, 游翰霖. 数据驱动的技术创新网络模体分析[J]. 系统工程与电子技术, 2017, 39(5): 1072-1077.
[10]	曾华，吴耀华，黄顺亮. 非均匀类簇密度聚类的多粒度自学习算法[J]. Journal of Systems Engineering and Electronics, 2010, 32(8): 1760-1765.

面向非协作多功能雷达的波形单元提取方法

Waveform unit extraction method for non-cooperative multi-function radar

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 15

相关文章 10

编辑推荐

Metrics

本文评价