基于信息熵和DSmT联合方法的

目标平台身份识别

丁亚非,张洪勃

(电子工程学院，合肥 230037)



基于信息熵和DSmT联合方法的

目标平台身份识别

丁亚非,张洪勃

(电子工程学院，合肥 230037)

摘要：目标的身份识别是电子侦察中的一项重要内容。信息融合可以很好地解决单传感器目标识别误差较大甚至识别错误的问题。利用信息熵和DSmT联合的方法，对电子侦察中多传感器目标平台身份识别问题进行了研究，将通信对抗和雷达对抗侦察中对于目标身份的识别结果进行融合处理，较好地完成了目标平台身份识别。

关键词：信息熵；电子对抗侦察；辐射源识别；目标平台识别

0引言

利用多部传感器，特别是不同体制、不同用途的传感器所提供的对所侦察目标的身份判断，经过一定的处理，可以得到一个更精确的判断，这就是所说的目标身份融合。确切地说，所谓身份融合[1]就是根据各个传感器给出的带有不确定性的身份报告或说明，进一步进行信息融合处理，对所观测实体给出联合的身份判断。组合身份报告要比每个单传感器给出的身份报告更准确、更具体、更完备。电子对抗侦察不仅仅需要对目标进行跟踪和定位，也需要对侦察的目标及平台进行身份识别。将目标身份融合方法应用到电子对抗侦察领域的目标识别方向，在各传感器提供的信息不一定精确、甚至是模糊的情况下，可以提高目标身份判断的准确性和可靠性。

目标身份识别融合可以在传感器信号级(数据级)、属性信息级(特征级)或身份说明级(决策级)3个级别上进行[1]。目前决策级应用于目标识别的方法主要有：Bayes推理，模糊综合，DST等方法[1-3]。其中DST方法应用较为广泛，但其在处理证据发生高冲突的情况下会产生与直觉相悖的结论。Dezert和Smarandache等学者2002年在DST的基础上提出了DSmT[3]，很好地解决了DST方法存在的此类问题。本文主要运用信息熵[4]和DSmT方法完成目标平台身份识别的融合分析。

1从辐射源识别到目标平台识别

电子对抗领域对于目标的侦察均为无源侦察，即对目标平台所载辐射源的侦察，因此难以直接获得感兴趣目标平台的特征。这就需要在辐射源识别的基础上完成从辐射源识别到目标平台识别的转换。在电子对抗侦察中，对于目标辐射源的识别，其根本目的是在对辐射源识别的基础上实现对装载目标辐射源的平台的识别。一种辐射源可能装载于多个不同的目标平台上，因此识别一部辐射源并不等于对于目标平台进行了完全的识别。本文采用信息熵的方法，将通抗/雷抗侦察传感器系统对目标辐射源识别转化为对于目标平台的识别，然后利用DSmT方法对目标平台的识别结果进行融合处理，以得到更加准确可靠的目标平台识别结果[5-7]。

2信息熵方法

为了获得平台识别的基本概率，首先需要对平台辐射源进行特征提取，然后根据提取结果对平台进行概率赋值。设有u种辐射源类型和v种目标平台类型，构造特征矩阵T，形式如下：

(1)

式中：tij为第j个目标平台中配备第i类辐射源设备的属性值，如果第i类辐射源设备属于第j个目标平台，那么tij=1，否则tij=0。

再令：

(2)

(3)

假设在某一环境中，通过电子对抗情报侦察识别出某一平台上的 m 个雷达辐射源，基于已有知识这 m 个雷达辐射源可能配备于 n 种不同类型的目标平台上,因此可构建决策矩阵R。根据熵权可以进一步确定辐射源熵权系数调整的决策矩阵为：

(4)

式中：rij按照以下规则赋值：

(1) 若第i部辐射源装备于第j型目标上，则rij为第i部辐射源对第j型平台的支持度μij(0≤μij≤1)，即rij=μij；

(2) 若第i部辐射源没有装备于第j型目标上，则rij=0，表示该型辐射源对第j型目标的支持度为0。

那么，根据决策矩阵可按照下式计算第j型目标的综合决策值：

(5)

这里将综合决策值归一化后得到的结果作为目标为第j型平台的基本概率赋值，为：

(6)

3DSmT方法

DST方法在目标身份融合方面的应用比较广泛，它可以处理不确定性问题，但是该方法在处理证据高度冲突的情况下，会产生与直觉相悖的结论。2002年，法国学者提出DSmT方法。DSmT能够组合用信任函数表达的任何类型的独立信源，但主要集中在组合不确定、高冲突、不精确的证据源上。尤其是当信源间高度冲突的时候，DSmT能够超出DST的局限获得更加优化的结果。

3.1　基本概念

(1)φ,θ1,θ2…,θn∈DΘ；

(2)A∪B∈DΘ和A∩B∈DΘ，其中A,B∈DΘ；

(3) 只有满足条件(1)和条件(2)的元素才属于DΘ。

Θ为给定的一个一般识别框架，定义与给定证据相关的基本概率赋值函数

(7)

(8)

(9)

3.2　DSm组合准则

(10)

φ

(11)

(12)

(13)

(14)

该准则称为混合DSm组合准则。

3.3　DSmT的融合过程

图1给出了具体的DSmT融合过程。

图1　DSmT融合过程

4信息熵和DSmT在目标身份识别融合中的具体应用

根据本文方法，对目标进行身份识别融合需要按照如下步骤：

(1) 根据信息熵方法，由通抗/雷抗侦察传感器系统对目标平台中辐射源的识别结果得到其可能平台的基本概率赋值；

(2) 由第(1)步得到的各平台的基本概率赋值，按照DSmT方法进行融合；

(3) 做出判决。

环境设置：假设目标情报数据库中几种通信电台和雷达对几种目标平台的支持度如表1所示。

表1　通信电台和雷达对平台的支持度

通抗侦察传感器系统对一空中目标平台进行侦察，初步判断平台载有电台1和3；雷抗传感器系统1侦察后判断平台载有雷达2和4；雷达传感器系统2侦察后判断平台载有雷达1和2。利用DSmT方法融合后得到的结果如表2所示。

表2　DSmT融合后的概率赋值结果

识别框架为Θ={平台A，平台B，平台C，平台D，其它平台E}。根据以上数据，可计算得到通抗侦察传感器系统的基本概率赋值为m1(A)=0.291 3，m1(B)=0.091 1，m1(C)=0，m1(D)=0.448 0，m1(E)=0.169 6，判断结果为平台D；雷抗侦察传感器系统1的基本概率赋值为m2(A)=0.060 8，m2(B)=0.608 8，m2(C)=0.069 6，m2(D)=0.060 8，m2(E)=0.2，判断结果为平台B；雷抗侦察传感器系统2的基本概率赋值为m3(A)=0.272 8，m3(B)=0.400 0，m3(C)=0.218 4，m3(D)=0.054 4，m3(E)=0.054 4，判断结果为平台B。可以看出，前2个证据之间是存在冲突的。

根据融合的结果m123分析可知，最终的判决结果为平台B。

5结束语

在辐射源识别的基础上，实现目标平台的识别具有重要的情报价值。本文利用信息熵方法和DSmT方法，完成了电子对抗多传感器系统对目标平台上辐射源的侦察识别到对目标平台身份识别的过程转化，给出的算例和计算分析验证了该方法的可行性。本文的研究内容对电子对抗侦察中的目标平台识别和电子对抗情报分析具有一定的借鉴意义。

参考文献

[1]何友，王国宏，陆大纟金.多传感器信息融合及应用[M].北京：电子工业出版社，2007.

[2]杨万海.多传感器数据融合及其应用[M].西安：西安电子科技大学出版社，2004.

[3]何友，王国宏，关欣.信息融合理论及应用[M].北京：电子工业出版社，2010.

[4]高建明，龚亮亮，吕涛.基于信息熵的目标平台识别方法[J].计算机应用与软件，2013,30(9)：224-227.

[5]陈超.数据融合中目标跟踪与识别技术研究[D].哈尔滨：哈尔滨工业大学，2006.

[6]李鸿飞，田康生，金宏斌.DSmT在目标身份识别中的应用研究[J].空军雷达学院学报，2010,24(4)：251- 253.

[7]郭军.多传感器目标识别关键技术研究[D].长沙：国防科技大学，2008.

Target Platform Identification Based on

The United Method of Comentropy and DSmT

DING Ya-fei,ZHANG Hong-bo

(Electronic Engineering Institute,Hefei 230037,China)

Abstract:The target identification is an important item in electronic reconnaissance.Information fusion can resolve the problem of larger error or wrong identification of single sensor target identification.This paper combines the comentropy and DSmT to study target platform identification based on multi-sensor in electronic reconnaissance,performs fusion to the target identified results in communication reconnaissance and radar countermeasure reconnaissance,finishes the target platform identification well.

Key words:comentropy;electronic countermeasure reconnaissance;emiitter identification;target platform identification

收稿日期:2015-01-16

DOI:10.16426/j.cnki.jcdzdk.2015.05.004

中图分类号：TN971.1

文献标识码：A

文章编号：CN32-1413(2015)05-0015-04