[发明专利]一种基于相似性专家知识的未知辐射源体制自动识别方法

说明书

本发明公开了一种基于相似性专家知识的未知辐射源体制自动识别方法，基于属性重合度和参数相似度两大要素对未知辐射源进行了两次分类，再对两次分类结果进行融合，得到体制融合判决结果：基于特定专家知识的融合体制判决改进过程，如针对辐射源大时宽带宽积特性专家知识的脉压或扩频体制融合判决过程，等等；提升了对未知辐射源的体制识别能力，以及对批量未知辐射源的体制识别效率。

技术领域

本发明属于辐射源识别技术领域，涉及一种基于相似性专家知识的未知辐射源体制自动识别方法。

背景技术

随着电子技术的发展，特别是雷达、通信等技术的广泛应用，使得辐射源工作体制变得复杂多样，电磁环境变得愈加复杂。电子侦察系统侦获的辐射源参数也愈加多样化，仅依靠人工判读或简单比较查询方式去识别辐射源所属类型或型号存在耗时耗力、识别速度慢、识别准确率较低、未知辐射源体制难以识别等缺陷，因而对辐射源的自动识别提出了越来越高的要求，一方面要求针对已知或未知辐射源的自动分类识别能力逐渐加强，另一方面对知识库里不掌握参数的未知辐射源的体制识别需求日益迫切，对未知辐射源的体制自动识别是进一步了解掌握未知辐射源的重要途径。

目前基于模式识别的辐射源识别方法研究较多，总体可分为比较查询、神经网络、模糊集多属性理论三类，这几类方法基于构建的雷达知识库可应用于对已知辐射源进行识别及未知辐射源的判别，但对于未知辐射源的体制自动识别在参数变化较多的复杂情况下往往无法直接应用。

发明内容

有鉴于此，本发明提出一种相似性专家知识的未知辐射源体制自动识别方法，可应用于对批量未知辐射源进行体制自动识别，以提高对未知辐射源的掌握能力，以提升对未知辐射源的体制识别能力和体制识别效率。

一种未知辐射源体制的识别方法，具体包括如下步骤：

步骤1、根据输入的单组未知辐射源至少三个参数的变化特征与辐射源知识库模板矩阵中的每个类型或型号的对应参数的变化特征分别进行比较，估算相对于各类型或型号的重合度系数序列C_j，其中，j＝1,2,...,M，M为辐射源知识库模板矩阵中的辐射源类型或型号总数目；

将各个重合度系数与设定的重合度门限C_T进行比较：

将大于门限C_T的所有辐射源知识库模板矩阵中的类型或型号对应体制作为体制粗分类结果，同时记录辐射源知识库模板矩阵中对应的辐射源类型或型号代号作为参考类型或型号结果；

若所有重合度系数均小于门限C_T，则将重合度系数最大值C_max对应的辐射源知识库模板矩阵中辐射源类型或型号代号作为参考类型或型号结果，将其所属体制作为体制粗分类结果；

步骤2、根据输入的单组未知辐射源的至少三个参数变化特征及变化范围，与辐射源知识库模板矩阵中的每个类型或型号的对应参数变化特征及变化范围，估算未知辐射源相对于各类型或型号辐射源的相似性度量值序列S_j，并求取其中的相似性度量值最大值S_max，及确定最大值S_max对应于辐射源知识库模板矩阵中的类型或型号所属的体制，将该体制作为体制识别二次分类结果，同时记录对应于辐射源知识库模板矩阵中的类型或型号代号作为参考类型或型号结果；

步骤3、根据步骤1的体制粗分类结果及步骤2的二次分类结果，采用体制融合判决得出体制融合判决结果，具体为：

(1)当C_j＞C_T时，若二次分类结果与粗分类结果一致或二次分类结果只是粗分类结果的一个子集，体制融合判决结果采用二次分类结果；若二次分类结果与粗分类结果不一致或起冲突，体制融合判决结果仍以二次分类结果为准；