一种基于概率图模型的多功能雷达脉冲序列的分选方法
本发明属于雷达电子侦察，具体涉及一种基于概率图模型的多功能雷达脉冲序列的分选方法。
背景技术：
1、电子战系统的主要任务是发现辐射源的存在并尽快生成对抗策略，该系统的主要组成部分是对输入的多辐射源脉冲序列进行分选，为后续干扰措施的选择打下基础。传统的辐射源分选算法依赖于已有特征模板的匹配，或者根据脉冲描述字(pdw)的到达时间(toa)参数进行直方图统计。早期流行的两种方法是累积差分直方图(cdif)和序列差分直方图(sdif)方法。但现有的无监督分选方法主要难以面对两个问题。第一，在真实的电子对抗场景中，toa的估计会因为信噪比过低的情况出现较大的偏差导致错误分选。第二，现有的无监督方法主要是基于聚类，但是难以适应多功能雷达参数值动态捷变的情况。随着深度学习的发展，深度网络得到了广泛的利用，但是其需要利用大量数据训练出一个神经网络的分类模型，尽管这种方法效果很好，然而在实际环境中很难获得足够数量的有效数据。并且该方法无法对没有样本的未知辐射源进行分选。
技术实现思路
1、有鉴于此，本发明的目的在于提供一种基于概率图模型的多功能雷达脉冲序列的分选方法，该方法融合了雷达脉间调制信息和脉冲到达顺序信息进行分选，能够解决多功能雷达脉冲序列的分选问题。
2、为达到上述目的，本发明提供如下技术方案：
3、本发明提供一种基于概率图模型的多功能雷达脉冲序列的分选方法，包括以下步骤：
4、s1：对于接收到的每一个包含f个特征参数的pdw样本pt＝{p1,p2,…,pf}进行累计；当数据量到达t个样本的时候，将t个样本作为一个数据段p＝{p1,p2,…,pt}；
5、s2：建立用于表征脉冲序列的生成模型，通过交织数据生成多部雷达脉冲序列的交织观测序列，生成过程表示为：
6、
7、
8、式中，z＝z1…zt代表交织链生成的交织过程对应的隐状态序列，代表组件链生成的组件过程对应的隐状态序列，组件过程代表每部雷达生成的观测序列，p(·)表示概率分布函数；π，a为组件链的初始状态分布和状态转移矩阵，πz，az为交织链的初始状态分布和状态转移矩阵；
9、在交织链中，p(z1|πz)代表交织过程的初始状态的概率，p(zt|zt-1，az)表示为交织过程的状态转移概率，为交织过程的初始状态分布，为交织过程的初始状态处于状态i的概率，m为组件过程的数量，其中，表示隐马尔可夫模型从状态j转移到状态i的概率；
10、在组件链中，代表第m个组件过程的初始状态的概率，为组件过程的初始状态分布，为组件过程的初始状态处于状态i的概率，km为第m个组件链具有的隐藏状态数，表示为每个组件过程发射的字母表的集合，其中，
11、
12、式中，代表第m个组件过程发射的子字母表，每个组件过程会发射多个字母，对于字母的观测由来参数化，其概率密度函数表示为cm为归一化项，pt为观测序列第t个元素，即第t个脉冲的pdw参数、分别为第m个组件链的第i个隐状态对应的高斯随机变量的均值和协方差；
13、
14、式中，em代表矩阵大小为km的对角矩阵，表示第m条组件链从状态j转移到状态i的概率；
15、s3：采用结构化变分推断对所述生成模型推理，分别计算交织过程的发射变量gt，m和组件过程的发射变量使用前向后向算法计算交织链和组件链的隐状态变量，判断模型似然是否收敛，若不收敛，则继续更新隐状态变量，若收敛，则根据预设算法更新模型均值；
16、s4：判断似然值是否收敛，如果收敛，则通过φ代表观测值来自于每个辐射源的概率，如果不收敛，则继续使用预设算法更新模型均值。
17、进一步，步骤s3中，交织过程的发射变量gt，m通过下式计算：
18、
19、式中，exp{·}代表对矩阵内元素逐个取对数，∑m-1代表第m条组件链的协方差矩阵，μm代表第m条组件链的均值，(·)t代表矩阵的转置，tr{·}代表矩阵的迹，diag{·}代表生成对角矩阵。
20、进一步，步骤s3中，组件过程的发射变量通过下式计算：
21、
22、式中，idiag(·)代表取矩阵的对角元素，并生成向量。
23、进一步，步骤s3中，计算交织链和组件链的期望的步骤包括：
24、a1：建立变分分布表达式：
25、
26、式中，q(·)代表变分分布，z＝z1…zt代表交织链生成的交织过程
27、对应的隐状态序列，代表组件链生成的组件过程对应的隐状态序列；
28、a2：令q(γ)＝1，初始状态可以表达为：
29、
30、
31、
32、
33、
34、e(zt，m)＝φt，m
35、式中，为组件链的期望，用表示，e(zt，m)为交织链的期望，用φt，m表示；
36、a3：通过下式计算变分下界：
37、
38、式中，代表变分下界，diag代表取矩阵的对角线上的元素，tr代表求矩阵的迹。
39、进一步，步骤s4中，概率分布的平均值μm通过下式计算：
40、
41、式中，代表求逆操作。
42、进一步，所述的f个特征参数包括到达角、脉冲重复间隔、频率下限、脉宽、脉内调制方式和带宽这六个脉冲特征参数。
43、本发明的有益效果在于：
44、本发明针对复杂电磁环境中，多功能雷达的分选问题，提出了一种无监督分选方法，可以适应参数捷变的场景，在不利用人为标注信息的条件下，同时对多功能雷达的脉冲进行标注；本申请引入了单个辐射源的时间关系，多个辐射源的时间关系以及参数的距离信息，通过多种信息融合可以对pdw参数捷变的雷达进行分选，第二，本申请基于变分推断的方法完成分选，具有较低的时间复杂度；本申请可以适应单个雷达采用多个参数值的情况(例如频率捷变雷达)。
45、本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
技术特征：
1.一种基于概率图模型的多功能雷达脉冲序列的分选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于概率图模型的多功能雷达脉冲序列的分选方法，其特征在于：步骤s3中，交织过程的发射变量gt，m通过下式计算：
3.根据权利要求2所述的基于概率图模型的多功能雷达脉冲序列的分选方法，其特征在于：步骤s3中，组件过程的发射变量通过下式计算：
4.根据权利要求3所述的基于概率图模型的多功能雷达脉冲序列的分选方法，其特征在于：步骤s3中，计算交织链和组件链的期望的步骤包括：
5.根据权利要求4所述的基于概率图模型的多功能雷达脉冲序列的分选方法，其特征在于：步骤s4中，概率分布的平均值μm通过下式计算：
6.根据权利要求5所述的基于概率图模型的多功能雷达脉冲序列的分选方法，其特征在于：所述的f个特征参数包括到达角、脉冲重复间隔、频率下限、脉宽、脉内调制方式和带宽这六个脉冲特征参数。
技术总结
本发明公开了一种基于概率图模型的多功能雷达脉冲序列的分选方法，属于雷达电子侦察技术领域，该方法主要包含两个步骤：雷达脉冲序列交织模型构建、雷达脉冲序列分选。首先，对于每个辐射源采用隐马尔可夫模型进行建模，以适应多功能雷达脉间调制的类型。其次，采用马尔可夫链控制交织过程。本发明同时对组件马尔可夫链和交织马尔科夫链进行推理，其具有收敛速度快，能够适应脉冲缺失的特点。本发明可以对参数捷变的雷达进行分选。
技术研发人员：李云杰,鲍加迪,朱梦韬
受保护的技术使用者：北京理工大学
技术研发日：
技术公布日：2024/9/23