導(dǎo)語(yǔ)：電子目標(biāo)智能處理架構(gòu)研究一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1引言

1.1電子目標(biāo)處理面臨復(fù)雜電磁環(huán)境

現(xiàn)代戰(zhàn)爭(zhēng)中制信息權(quán)越來(lái)越被交戰(zhàn)各方重視,軍事強(qiáng)國(guó)甚至提出了戰(zhàn)場(chǎng)信息單向透明的終極目標(biāo),采取的措施包括使己方的信息利用環(huán)節(jié)“感知-處理-傳輸-應(yīng)用”能夠順暢以及破壞對(duì)手信息利用環(huán)節(jié)。在以上信息利用環(huán)節(jié)中,信息感知、傳輸、應(yīng)用的手段有多種,但最重要的幾乎都是電子設(shè)備;在阻止敵方信息利用的措施中除硬摧毀(火力打擊等物理破壞)措施外,幾乎也是電子設(shè)備,因此導(dǎo)致電子設(shè)備使用數(shù)量的劇烈增加和電磁環(huán)境越來(lái)越復(fù)雜。據(jù)分析計(jì)算,現(xiàn)代戰(zhàn)爭(zhēng)的戰(zhàn)場(chǎng)電磁信號(hào)環(huán)境密度將超過(guò)1MPPS(百萬(wàn)脈沖每秒),電磁環(huán)境復(fù)雜程度可見一般。隨著電子對(duì)抗偵察技術(shù)發(fā)展、裝備偵察能力提升、系統(tǒng)規(guī)模及作戰(zhàn)范圍擴(kuò)大,情報(bào)和指揮控制系統(tǒng)中需要處理的電子目標(biāo)數(shù)量大大增加,對(duì)處理的實(shí)時(shí)性、準(zhǔn)確性、處理深度和自動(dòng)化處理能力等提出了很高的要求。

1.2電子目標(biāo)處理特點(diǎn)及面臨挑戰(zhàn)

電子目標(biāo)具有以下特點(diǎn):1)目標(biāo)的電磁特征復(fù)雜,參數(shù)維度多;2)相似電子設(shè)備多,目標(biāo)識(shí)別和目標(biāo)區(qū)分難度大;3)一定區(qū)域內(nèi)目標(biāo)數(shù)量大,對(duì)處理時(shí)效提出要求。由于電子目標(biāo)以上特點(diǎn),處理過(guò)程面臨如下挑戰(zhàn):1)電子目標(biāo)關(guān)聯(lián)過(guò)程復(fù)雜,計(jì)算量大;2)相似目標(biāo)多,要想獲得最優(yōu)目標(biāo)識(shí)別和區(qū)分,除運(yùn)算量大外,還存在非最優(yōu)收斂的問(wèn)題;3)目標(biāo)容量大,處理時(shí)效要求高,需要優(yōu)化處理流程,實(shí)現(xiàn)高效處理。

1.3電子目標(biāo)處理架構(gòu)及存在的問(wèn)題分析

電子目標(biāo)處理流程如圖1所示。圖1電子目標(biāo)情報(bào)處理的一般流程圖1總體上是一個(gè)線性級(jí)聯(lián)、開環(huán)的處理流程,利用收集的數(shù)據(jù)和識(shí)別庫(kù)、目標(biāo)庫(kù)實(shí)現(xiàn)了電子目標(biāo)處理過(guò)程,但對(duì)識(shí)別庫(kù)和目標(biāo)庫(kù)的生成沒(méi)有貢獻(xiàn),即沒(méi)有實(shí)現(xiàn)情報(bào)的自積累過(guò)程閉環(huán)?，F(xiàn)有電子目標(biāo)處理采用技術(shù)有:1)目標(biāo)關(guān)聯(lián)技術(shù),主要在排序和遍歷技術(shù)支持下進(jìn)行目標(biāo)特征關(guān)聯(lián),在目標(biāo)容量不大的情況下處理效率能滿足要求,在目標(biāo)容量大的情況下,無(wú)法實(shí)現(xiàn)實(shí)時(shí)處理;2)目標(biāo)識(shí)別技術(shù),主要采用模式匹配的技術(shù),該方法簡(jiǎn)單易行,但存在樣本數(shù)量大情況下效率比較低的問(wèn)題,另外,在相似樣本多的情況下(現(xiàn)代電子設(shè)備大量存在這種情況)識(shí)別過(guò)程不一定會(huì)收斂到最優(yōu)識(shí)別結(jié)果。隨著數(shù)據(jù)融合技術(shù)的發(fā)展,特別是智能處理技術(shù)逐步成熟,智能處理技術(shù)逐漸進(jìn)入電子戰(zhàn)情報(bào)處理領(lǐng)域。本文在研究電子目標(biāo)處理功能組成及流程的基礎(chǔ)上,提出了電子對(duì)抗情報(bào)智能處理的架構(gòu),研究了該架構(gòu)下實(shí)現(xiàn)大容量目標(biāo)快速處理、智能處理的方法。

2電子目標(biāo)智能處理架構(gòu)

2.1主要智能處理技術(shù)分析

智能處理技術(shù)經(jīng)過(guò)多年發(fā)展,有許多技術(shù)逐步趨于成熟并在工程中成功應(yīng)用。智能處理技術(shù)種類和分支很多,但并不是所有技術(shù)都適合電子目標(biāo)處理。通過(guò)對(duì)這些技術(shù)在電子目標(biāo)處理中的針對(duì)性、實(shí)用性分析,篩選出以下在電子目標(biāo)處理過(guò)程中具有較好應(yīng)用前景的技術(shù):1)神經(jīng)網(wǎng)絡(luò)技術(shù)[1]。神經(jīng)網(wǎng)絡(luò)技術(shù)利用完善的樣本,經(jīng)過(guò)訓(xùn)練,形成多層加權(quán)網(wǎng)絡(luò),實(shí)現(xiàn)快速、準(zhǔn)確的分類,且具有一定的模糊處理能力。神經(jīng)網(wǎng)絡(luò)技術(shù)主要用于已知樣本情況下的目標(biāo)分類,對(duì)動(dòng)態(tài)變化的屬性參數(shù)缺乏處理能力。在電子目標(biāo)處理中可以利用神經(jīng)網(wǎng)絡(luò)系統(tǒng)訓(xùn)練生成型號(hào)、已知目標(biāo)等神經(jīng)網(wǎng)絡(luò)系統(tǒng),用于快速實(shí)現(xiàn)輻射源型號(hào)識(shí)別和已知目標(biāo)識(shí)別。但神經(jīng)網(wǎng)絡(luò)存在如下問(wèn)題:樣本更新后必須重新訓(xùn)練、訓(xùn)練時(shí)間較長(zhǎng)、訓(xùn)練完成后的規(guī)則隱藏在網(wǎng)絡(luò)中,難以維護(hù)和調(diào)整,因此使用受較大局限,主要在非實(shí)時(shí)系統(tǒng)中應(yīng)用。2)專家系統(tǒng)技術(shù)[2]。專家系統(tǒng)技術(shù)利用推理機(jī)和知識(shí)庫(kù)規(guī)則對(duì)輸入命題進(jìn)行推理和解釋,獲得推理結(jié)論。專家系統(tǒng)技術(shù)利用目標(biāo)已知信息(如技術(shù)特征參數(shù)等)進(jìn)行推理獲得其他信息。專家系統(tǒng)由于采用推理機(jī)技術(shù),能非常靈活地適應(yīng)規(guī)則變化,且規(guī)則幾乎是完全顯性的,便于維護(hù)和調(diào)整,可獲得更大范圍的應(yīng)用。在電子目標(biāo)融合處理中,主要用于電子目標(biāo)體制、用途識(shí)別、行為、企圖分析等。3)數(shù)據(jù)挖掘技術(shù)[3-4]。數(shù)據(jù)挖掘技術(shù)近年來(lái)發(fā)展很快,技術(shù)分支也很多,主要用于對(duì)目標(biāo)聚類、分類、規(guī)律分析、規(guī)則發(fā)現(xiàn)和趨勢(shì)預(yù)測(cè)等。在電子目標(biāo)處理中,主要用于目標(biāo)分析、目標(biāo)分類(分類規(guī)則提取)等。4)索引技術(shù)[5]。對(duì)大量目標(biāo)來(lái)說(shuō),利用目標(biāo)的一個(gè)或多個(gè)屬性參數(shù)建立目標(biāo)索引,有利于快速搜索到目標(biāo),這類技術(shù)廣泛用于數(shù)據(jù)庫(kù)查詢及搜索。在電子目標(biāo)處理中,主要用于對(duì)目標(biāo)建立多維參數(shù)的索引,實(shí)現(xiàn)相似目標(biāo)快速搜索,提高目標(biāo)相關(guān)過(guò)程的效率。

2.2電子對(duì)抗智能情報(bào)處理架構(gòu)

在智能處理技術(shù)基礎(chǔ)上,構(gòu)建新的智能情報(bào)處理架構(gòu)如圖2所示。該架構(gòu)最主要的特點(diǎn)是引入智能處理技術(shù),提高處理速度和處理準(zhǔn)確性,完善處理功能,形成了處理過(guò)程閉環(huán)。圖2電子目標(biāo)智能處理架構(gòu)圖2相對(duì)圖1的最主要的變化有5點(diǎn):①在實(shí)時(shí)目標(biāo)關(guān)聯(lián)融合過(guò)程中引入目標(biāo)索引技術(shù)。當(dāng)目標(biāo)增加或變化時(shí),利用目標(biāo)參數(shù)和位置等信息,生成目標(biāo)索引樹;在目標(biāo)關(guān)聯(lián)時(shí),首先對(duì)索引樹進(jìn)行搜索,找到相似的目標(biāo)或目標(biāo)集,然后再進(jìn)行復(fù)雜的關(guān)聯(lián)計(jì)算。②在目標(biāo)融合后,提取新的輻射源參數(shù)加入識(shí)別庫(kù),作為識(shí)別樣本,形成輻射源型號(hào)識(shí)別庫(kù)的自積累閉環(huán)。這一步只是完成了信息閉環(huán),完善了傳統(tǒng)的處理流程,但尚不能完全支持輻射源型號(hào)的智能識(shí)別。③在情報(bào)產(chǎn)品庫(kù)的基礎(chǔ)上,引入輻射源型號(hào)參數(shù)挖掘和型號(hào)分類規(guī)則挖掘技術(shù),輻射源型號(hào)參數(shù)挖掘技術(shù)實(shí)現(xiàn)從電子目標(biāo)情報(bào)產(chǎn)品庫(kù)中分析提取輻射源新參數(shù)樣本,型號(hào)分類規(guī)則挖掘技術(shù)對(duì)輻射源的參數(shù)樣本進(jìn)行進(jìn)一步的分類規(guī)則挖掘,分析提取型號(hào)參數(shù)樣本的分類規(guī)則樹,作為輻射源型號(hào)智能識(shí)別的規(guī)則,支持輻射源智能識(shí)別過(guò)程中的推理識(shí)別,提高輻射源型號(hào)識(shí)別速度和準(zhǔn)確性。④在目標(biāo)處理后,增加目標(biāo)情報(bào)整編功能,實(shí)現(xiàn)從情報(bào)產(chǎn)品庫(kù)中提取電子目標(biāo)信息,形成電子目標(biāo)識(shí)別庫(kù),解決電子目標(biāo)識(shí)別庫(kù)數(shù)據(jù)自積累閉環(huán)問(wèn)題。這一步只是完成了信息閉環(huán),完善了傳統(tǒng)的處理流程,但尚不能完全支持目標(biāo)的智能識(shí)別。⑤在情報(bào)產(chǎn)品庫(kù)的基礎(chǔ)上,引入目標(biāo)特征挖掘和目標(biāo)分類規(guī)則挖掘技術(shù),目標(biāo)特征挖掘技術(shù)實(shí)現(xiàn)從電子目標(biāo)情報(bào)產(chǎn)品庫(kù)中分析提取電子目標(biāo)新參數(shù)樣本,目標(biāo)分類規(guī)則挖掘技術(shù)對(duì)電子目標(biāo)的參數(shù)樣本進(jìn)行進(jìn)一步的分類規(guī)則挖掘,分析提取目標(biāo)特征差異,形成目標(biāo)樣本的分類規(guī)則樹,作為目標(biāo)智能識(shí)別所需規(guī)則,支持目標(biāo)智能識(shí)別過(guò)程中的推理識(shí)別,提高目標(biāo)識(shí)別速度和準(zhǔn)確性。

3智能情報(bào)處理關(guān)鍵技術(shù)分析

3.1目標(biāo)索引技術(shù)

如圖2中的①所示,目標(biāo)索引技術(shù)主要是利用目標(biāo)的一維或多維參數(shù),建立目標(biāo)索引樹。目標(biāo)電磁特征參數(shù)較多,通常建立多維空間索引樹,通過(guò)空間索引樹可以實(shí)現(xiàn)目標(biāo)的快速搜索。索引樹結(jié)構(gòu)示意如圖3所示。其中非葉子節(jié)點(diǎn)包含所屬子節(jié)點(diǎn)的參數(shù)范圍,葉子節(jié)點(diǎn)即具體的目標(biāo)參數(shù)。圖3目標(biāo)索引樹圖3中的目標(biāo)索引樹可以采用二叉樹或多叉樹(通常建立平衡樹即B樹,以保證平均搜索效率最高),當(dāng)采用二叉樹時(shí),搜索時(shí)間復(fù)雜度是O(logN2),N為目標(biāo)數(shù)量,而線性搜索時(shí)間復(fù)雜度是O(N/2)。由此可見當(dāng)N較大時(shí),效率提升非常明顯,如N=1000,線性搜索平均需要500次搜索到目標(biāo),而通過(guò)索引樹只需要大約11次即可搜索到目標(biāo)。當(dāng)然索引維護(hù)也需要時(shí)間,但采用適當(dāng)?shù)乃饕虏呗?可以減少索引更新次數(shù)。

3.2輻射源型號(hào)分類規(guī)則挖掘技術(shù)

圖2中的③所示的輻射源型號(hào)分類規(guī)則挖掘技術(shù)包括兩個(gè)部分,一是:從情報(bào)產(chǎn)品庫(kù)中,通過(guò)數(shù)據(jù)挖掘提取輻射源的新特征參數(shù)樣本,過(guò)程如圖4所示。二是:輻射源型號(hào)分類規(guī)則挖掘,對(duì)輻射源電磁特征參數(shù)樣本進(jìn)行分類,生成輻射源型號(hào)分類決策樹,生成智能識(shí)別所需的推理規(guī)則。決策樹示意如圖5所示。圖5決策樹示意圖決策樹上的非葉子節(jié)點(diǎn)上包含目標(biāo)數(shù)量N及參數(shù)范圍,葉子節(jié)點(diǎn)(N=1)包含目標(biāo)ID、型號(hào)及參數(shù)信息。連接線表示分類規(guī)則,規(guī)則由參數(shù)類型和參數(shù)范圍來(lái)描述。將根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的規(guī)則順序連接起來(lái)就得到推理過(guò)程。

3.3輻射源型號(hào)智能識(shí)別技術(shù)

輻射源型號(hào)智能識(shí)別技術(shù)一般可以基于兩類技術(shù)來(lái)實(shí)現(xiàn),第一類是神經(jīng)網(wǎng)絡(luò)技術(shù);第二類是智能推理技術(shù)?；谏窠?jīng)網(wǎng)絡(luò)的輻射源型號(hào)識(shí)別技術(shù)的過(guò)程是利用輻射源電磁特征樣本進(jìn)行訓(xùn)練,生成多層加權(quán)網(wǎng)絡(luò)節(jié)點(diǎn),對(duì)輻射源進(jìn)行快速參數(shù)加權(quán)運(yùn)算,實(shí)現(xiàn)型號(hào)識(shí)別,流程如圖6所示。圖6神經(jīng)網(wǎng)絡(luò)輻射源識(shí)別流程基于智能推理機(jī)的輻射源智能識(shí)別技術(shù)采用智能推理機(jī)技術(shù),利用輻射源分類識(shí)別的推理規(guī)則來(lái)進(jìn)行輻射源型號(hào)識(shí)別,可以避免輻射源的逐個(gè)參數(shù)相關(guān)對(duì)比,在數(shù)據(jù)量大的情況下,可以大大提高識(shí)別速度。識(shí)別速度的時(shí)間復(fù)雜度和索引樹類似,但不完全一致,因?yàn)闆Q策樹構(gòu)建過(guò)程通常不需要建立平衡樹,因此有的目標(biāo)會(huì)識(shí)別速度很快(與其他目標(biāo)參數(shù)差異大,路徑較短),有的目標(biāo)識(shí)別過(guò)程要長(zhǎng)一點(diǎn)(與其參數(shù)接近的目標(biāo)較多,路徑較長(zhǎng))?；谥悄芡评頇C(jī)的輻射源智能識(shí)別技術(shù)流程如圖7所示。圖7輻射源智能推理識(shí)別流程基于神經(jīng)網(wǎng)絡(luò)的輻射源識(shí)別技術(shù)可以用于特征樣本不多、相似樣本較少且不常更新的情況,基于智能推理的輻射源識(shí)別技術(shù)適應(yīng)范圍則更大一些。

3.4目標(biāo)整編技術(shù)

目標(biāo)整編技術(shù)如圖2中的④所示,主要對(duì)情報(bào)產(chǎn)品庫(kù)的目標(biāo)情報(bào)處理結(jié)果進(jìn)行分析,提取并豐富目標(biāo)識(shí)別庫(kù),為目標(biāo)識(shí)別提供樣本數(shù)據(jù)。目標(biāo)整編技術(shù)主要采用數(shù)據(jù)挖掘技術(shù)中聚類分析技術(shù),分析提取目標(biāo)的完整特征參數(shù)、空間位置;采用推理分析技術(shù)對(duì)目標(biāo)的參數(shù)、工作模式等進(jìn)行推理分析,獲得目標(biāo)的其他屬性信息。

3.5目標(biāo)智能識(shí)別技術(shù)

目標(biāo)智能識(shí)別技術(shù)同輻射源型號(hào)智能識(shí)別技術(shù)類似,過(guò)程略有差異,詳細(xì)過(guò)程略。

4小結(jié)

本文分析了電子目標(biāo)處理功能組成和一般流程,分析了常用的智能技術(shù)在電子目標(biāo)處理中的實(shí)用性,選擇了適合電子目標(biāo)處理的智能處理技術(shù),對(duì)傳統(tǒng)的電子目標(biāo)處理過(guò)程進(jìn)行了智能化重新設(shè)計(jì),建立了電子目標(biāo)智能處理架構(gòu)。該架構(gòu)全面采用智能處理技術(shù),提高目標(biāo)情報(bào)處理效率、提升目標(biāo)情報(bào)處理智能程度、提升目標(biāo)情報(bào)處理規(guī)則的生成和管理能力、完成目標(biāo)處理過(guò)程閉環(huán),可為相關(guān)功能系統(tǒng)設(shè)計(jì)提供架構(gòu)和技術(shù)參考。