基于特征融合与规则推理的目标识别✴

万洪容

基于特征融合与规则推理的目标识别✴

万洪容

（中国西南电子技术研究所，成都610036）

为了在干扰电磁环境下提高辐射源和平台目标识别的可靠性，建立了特征级和决策级的分级融合识别框架，通过特征相关和匹配置信度融合进行辐射源识别，提出了基于粗糙集规则推理目标识别决策方法。仿真结果表明该方法能增强目标识别的容错性。

目标识别；规则推理；置信度；识别决策

1 引言

在现代电子战中，辐射源及其装载平台目标识别是战场态势感知的基础，与武器装备作战效能紧密相关。可靠的目标识别可提高状态和身份估计的精度，扩展态势感知的时间和空间覆盖范围，改善对目标的探测能力，提高合成信息的精度、可信度以及威胁判定的实时性、准确性，从而对战场态势作出完整的评价，支持指挥决策、战场预警和火力打击。

高性能电子信息装备的应用使不同的装备装载于同一平台，利用其在同一时间出现在同一空域遂行任务的优势，实现不同功能的装备集成，装备的综合集成为不同分析方法、不同信息源的关联提供了良好的条件，利用多种传感器侦察与探测等获得特征信息，识别出辐射源，由统计数据和装备手册，建立平台装备与其装载的辐射源的关系，通过数据综合相关和融合，以及智能化的推理技术对不完整、时变的信息进行综合相关、去重互补，可实现对目标平台的识别［1-2］。

电磁环境的复杂，对目标识别提出了更高的要求，对辐射源及其装载平台的识别已有专家系统或模糊理论方法［3-5］，这些方法需要完备的专家知识库或构造模糊隶属函数，缺少干扰电磁环境下残缺测量特征参数的处理分析，而粗糙集（Rough Set，也称Rough集、粗集）理论是一种能够定量分析处理不精确、不一致、不完整信息与知识的数学工具［6］。本文针对在没有完备的专家知识库或不能构造模糊隶属函数的情况，提出粗集规则推理的方法解决不完整信息的平台目标识别方法。

2 目标识别框架

建立目标识别框架是为了实现和验证目标识别功能的有效性，识别框架提供了基础支撑数据源、识别处理、数据存储以及性能评估仿真支撑平台。目标识别采用分级融合识别即特征级识别和决策级识别，是基础数据分离的分层信息处理框架，可以适应不同环境和任务对目标识别的要求。

目标识别需要通过各传感器获取信息，包括雷达、ESM、光电、敌我识别等传感器探测信息以及数据链等外部信息，可模拟战场环境下分布式的多传感器对多目标的探测、目标想定和探测数据生成，通过预处理对数据进行规范化和野值剔除，通过时间和空间相关形成对关于目标的统一特征矢量，在辐射源特征知识库支撑下通过模式匹配完成辐射源识别，基于辐射源识别结果结合规则知识库进行平台目标属性决策，处理过程数据和结果入库存储，通过综合显示可进行辐射源、探测传感器与机动目标的位置、参数的动态显示，通过性能评估给出目标识别指标统计结果。目标识别框架如图1所示。

定义数据记录集S=｛U，A，V，f｝，其中U为传感器数据记录集合，A为辐射源属性的集合，V为各属性的值域，f为总映射函数。在当前时间点的辐射源记录集上定义关系RF，关系RF将记录集分成N个等价类，这些等价类中的辐射源记录都是同一源的相关信息，有N个等价类就有N个不同的源。例如，若提取关键属性集B=｛脉宽｝，属性集B定义的关系RB如下：

则对应的近似空间为A=｛U，RB｝，等价类表示为U／RB，每一个等价类中的辐射源记录相关为同一辐射源记录，满足｜B（a）-B（b）｜≤Δ，解释为记录a的脉宽值与记录b的脉宽值在误差允许范围Δ内相关。

3.2多特征融合的辐射源类型

由于探测设备和电磁环境的干扰，测量存在系统误差和随机误差，特征参数具有一定的误差，所以通常采用模式匹配法结合加权融合识别辐射源类型。

对于频率、幅度、脉冲宽度、重频等取值连续的参数，使用如下方法计算匹配置信度：

图1 目标识别框架Fig.1 Framework for target identification

3 特征数据相关和融合

通过无源探测系统接收雷达、通信、敌我识别等设备的辐射信号从而获取辐射源的特征参数，各设备探测的目标特征从不同的角度描述了目标属性，通过数据相关融合形成目标特征的统一描述即目标特征属性集，通过与先验特征知识库的模式匹配，完成辐射源识别。

3.1特征数据相关生成辐射源数据链表

装载在同一个平台目标的辐射源，一定具有空间和时间相关特性，因此可将数据信息中当前时间点上记录中同源多条记录信息相关成一条记录，形成特征矢量属性集入数据链表。

式中，conf是参数的测量值，min为参数取值范围的下限，max为参数取值范围的上限。而inf是参数的下限扩展，sup是参数的上限扩展，与传感器测量的精度有关。一般其扩展幅度不超过3倍误差均值。

对于信号体制、调制方式等离散的参数，若匹配，CF=1；反之，CF=0。

对各特征参数的置信度进行融合，体现各特征参数在识别中的作用，对各特征参数的权重进行设置，设匹配后各特征参数置信度集合为CF=｛CF1，CF2，…，CFk｝，权重集合为W=｛W1，W2，…，Wk｝，融合后综合置信度为

在没有专家经验和先验知识的情况下，无法确定置信度的融合模型，则各参数置信度进行等权融合处理，在置信度阈值范围内依据最大置信度的原则完成辐射源类型识别。若融合置信度不在置信度阈值范围内，则将对应的特征矢量作为新类型的知识累积更新辐射源知识库。

4 基于粗糙集的规则推理识别

由于辐射源与装载平台之间没有定量的关系描述，而粗糙集方法具有直接从问题描述集合出发发现问题内在规律的特点，不需要预先给定特征或属性的定量描述，如模糊集理论中的隶属度或隶属函数等，所以利用粗糙集方法的规则推理给出从辐射源集合到平台目标集合之间映射关系进而完成平台目标的识别。

利用粗集方法进行目标识别，需将目标属性数据进行约简，减少冗余信息，得到属性规约集，并抽取规则，利用所得的规则进行目标类型的判定。目标属性约简即对大量的目标属性数据泛化，整理成二维属性信息表，形成可辨识的矩阵求出目标属性的核，将核属性入属性约简后的属性集合。规则的抽取即对信息表进行值约简，对目标信息表的条件属性进行考查，分析冲突记录并保留，删除重复或重语义记录，经过约简后的信息表，属性值均为值核，所有记录就是目标判决的规则。

粗集规则推理识别是利用已建立的规则即条件集辐射源型号集合R中的子集到结论集平台集合P中的元素之间的映射关系，进行从条件集R到结论集P的推理，得出平台识别结果。辐射源型号用fh1，fh2，…，fhi表示，平台型号用g1，g2，…，gk表示，则R=｛fh1，fh2，…，fhi｝，P=｛g1，g2，…，gk｝，即作如下的推理：

其中还可能出现不确定推理如下：

直观表示如图2所示。

图2 规则推理识别Fig.2 Rule-based reasoning identification

为了解决识别决策中的不确定性，采用Rough算子进行判决，首先利用源记录生成决策表，分离出条件属性和决策属性，再运用概率合成解决平台识别中不确定推理的决策问题。设φ和φ分别表示条件和决策集合。从φ→φ是决策规则，用｜φ｜表示在条件集S中φ的个体集合，在每一条决策规则中带一个规则的Rough算子，它被定义为［7］

式中，φ为条件集，φ为结论集，K（S）表示集合S的基数，其值为0＜μ（φ，φ）＜l。Rough算子即为在给定条件φ的先验概率下决策φ的条件概率。则平台目标识别的决策概率为式中，φ为辐射源集，φ为平台目标集，平台目标的决策概率为所有决策φ有关的条件φ的概率与φ先验概率乘积之和，而p（φ）=K（φ）／K（U）是φ的先验概率，即通过条件φ的先验概率和决策规则的Rough算子来计算φ的决策概率，通过概率合成得出数据集中某一平台目标结论的决策置信度，从而得出目标识别的判决结果。

假设由传感器探测在时刻t，位置（L，B，H）平台的辐射源为a、k、l、m，提取规则知识库得规则知识决策子集示例如表1所示。

表1 规则子集示例Table 1 Rules sub-set example

则平台的决策可信度为

根据式（7）～（9）可计算各平台目标的决策可信度，进而完成目标识别决策。

5 仿真结果与分析

依据图1所示的识别框架建立仿真系统，对加载有雷达、通信等辐射源的平台目标进行探测，仿真ESM、通信侦察和敌我识别设备探测信息，目标属性特征包括技术体制、工作频率、重复频率、脉宽、脉冲体制、极化特征、调制方式、数据率等，想定目标数分别为20批次、70批次、100批次、200批次、500批次，包括舰船平台目标和飞机平台目标。

为了检验算法的容错性能，设置测量特征参数完整性不同的情况下对识别率的影响，分别设置参数无残缺、一个参数残缺以及两个参数残缺的情况，对算法的容错性能进行比较。

使用不同想定目标数和属性特征参数完整性不同的用例，对目标识别的性能进行仿真实验评估，将传统的产生式规则推理与基于粗集的规则推理识别的性能仿真结果进行比较。将各不同目标批次下的目标识别率进行统计平均，结果如表2所示。

表2 目标识别率Table 2 Target recognition rate

表2中的正确识别率即在统计时间段内目标识别结果正确的目标数与仿真想定的总目标数的比值，错误识别率即目标识别结果错误的目标数与仿真想定的总目标数的比值，模糊识别率即没有识别出的目标数与仿真想定的总目标数的比值。从表2中的仿真结果可见，在目标参数完整的情况下，产生式规则推理与基于粗集的规则推理识别性能相当，在目标参数残缺的情况下基于粗集的规则推理识别正确率比较高，表明基于粗集的规则推理识别有比较好的容错性能。

6 结束语

本文针对干扰环境下探测信息的不确定性和不完整性，建立了多级分层的灵活高效能的识别框架，提出基于粗糙集的规则推理识别的方法，可以用在数据不充分、不完整、存在噪声甚至一定程度上需要容错处理的场合，或难以建立精确的数学模型等情况，可在探测参数不完整的情况下保持较高的识别率，在融合系统或综合信息处理系统中采用可增强系统的抗干扰能力。

［1］南建设.电子信息装备一体化的思考［J］.电讯技术，2009，49（4）：37-40.

NAN Jian-she.Conception for Integrative Design of Electronic Informatin Equipment［J］.Telecommunication Engineering，2009，49（4）：37-40.（in Chinese）

［2］南建设.目标综合识别系统研究［J］.电讯技术，2007，47（5）：74-77.

NAN Jian-she.Study on an Integrated Target Identification System［J］.Telecommunication Engineering，2007，47（5）：74 -77.（in Chinese）

［3］陈锡明.智能化雷达辐射源型号识别及其实现［J］.系统工程与电子技术，2001，23（7）：1-3.

CHEN Xi-ming.A Method of Recognizing Radar-Source′s Model Intelligently and Its Implementation［J］.Systems Engineering and Electronics，2001，23（7）：1-3.（in Chinese）

［4］陈锡明.新型雷达辐射源识别专家系统的研究与实现［J］.系统工程与电子技术，2000，22（7）：58-62.

CHEN Xi-ming.Research and Implementation on New Radar Radiating-Source Recognizing System［J］.Systems Engineering and Electronics，2000，22（7）：58-62.（in Chinese）

［5］陈怀新.南建设，基于多特征参量模糊数据融合的辐射源识别［J］.电讯技术，2003，43（4）：11-14.

CHEN Huai-xin，NAN Jian-she.Emmiter Rcongnition Using Fuzzy-based Multi-feature Data Fusion［J］.Telecommunication Engineering，2003，43（4）：11-14.（in Chinese）

［6］王国胤.粗糙集理论应用研究综述［J］.计算机学报，2009，32（7）：1229-1245.

WANG Guo-yin.A Survey on Rough Set Theory and Application［J］.Chinese Journal of Computers，2009，32（7）：1229 -1245.（in Chinese）

［7］刘清，黄兆华，刘少辉，等.带Rough算子的决策规则及数据挖掘中的软计算［J］.计算机研究与发展，1999，36（7）：800-804.

LIU Qing，HUANG Zhao-hua，LIU Shao-hui，et al.Decision Rules with Rough Oparator and Soft Computing of Data Mining［J］.Journal of Computer Research＆Development，1999，36（7）：800-804.（in Chinese）

Target Recognition Based on Muti-feature Fusion and Rule-based Reasoning

WAN Hong-rong
（Southwest China Institute of Electronic Technology，Chengdu 610036，China）

For improving the reliability of the emitter and target identification in interference environment，a framework for target identification is designed which has classification of the feature level and decision level.Emitters are identified by characteristics association and matching confidence fusion.Rule-based reasoning on rough sets is proposed.The simulation results show that the method can enhance the fault tolerance of the target recognition.

target recognition；rule-based reasoning；confidence；recognition decision

The National Defense Pre-research Project during the 11th Five-year Plan

TN97；TP18

A

10.3969／j.issn.1001-893x.2012.05.010

万洪容（1968—），女，四川犍为人，高级工程师，主要从事信息处理研究工作。

1001-893X（2012）05-0654-04

2012-03-31；

2012-04-24

“十一五”国防预先研究课题

WAN Hong-rong was born in Qianwei，Sichuan Province，in 1968.She is now a sensior engineer.Her reaserch concerns information processing.

Email：wanhongrong-001＠163.com