基于特征选择检验的交会数据相似度验证方法

司昕璐，马秋华

(西安机电信息技术研究所，陕西 西安 710065)



基于特征选择检验的交会数据相似度验证方法

司昕璐，马秋华

(西安机电信息技术研究所，陕西 西安 710065)

针对无线电引信半实物仿真弹目交会数据的相似度评定缺乏统一的定量标准的问题，提出基于特征选择检验的无线电引信交会数据相似度验证方法。该方法分别统计幅值差异估量和要素差异估量，进行加权求和，得到全局差异估量，并转换成相似度百分比。验证表明，与相关系数相比，该方法综合了弹目交会数据的时域和频域特征信息，其结果更为接近真实值。特征选择检验方法不仅适用于空中目标弹目交会数据的比对和分析，对信杂比较差的大脱靶量地面目标弹目交会数据的相似度评估也较为适合。

无线电引信；半实物仿真；交会数据；相似度；特征选择检验

0 引言

无线电近炸引信利用弹目交会过程中探测到的目标电磁回波变化确定合适的炸点，达到最佳的毁伤效果。针对无线电近炸引信交会速度高、近场工作、一次性作用等特点，通常建立无线电近炸引信仿真模型，利用仿真数据代替更多的外场靶试，作为无线电引信性能的考核验证数据，通过半实物仿真评测其信号处理单元以至整个样机的性能；利用弹目交会实测数据评估回波数据仿真模型的准确度，通过校验模型提高软件模型的精度。

文献[1]提出了一种频谱比较验证仿真结果的方法，得出频谱分析在频域上比较两组数据的频谱一致性(考虑频谱特性)；文献[2]利用小波变换验证仿真模型的方法，得出小波分析既可以在时域，也可以在频域，进行数据一致性比较。但目前对于无线电引信交会数据的仿真通常只有相似度或精度的指标，而没有具体统一的计算和检验方法，缺乏精度指标的定量评定依据。文献[3]介绍了一种评价两组数据相似度的比较直接的方法，但因其更多地反映了能量参数的相似度，幅度的权重大于频谱的权重，并不适合用来评定无线电近炸引信的仿真数据同实测数据的相似度。本文针对无线电近炸引信的交会特性的仿真数据这样一类时域、频域信息均有明确物理意义的数据，提出基于特征选择检验的无线电引信交会数据相似度验证方法。

1 特征选择检验方法

特征选择检验(Feature Selective Validation，FSV)规定了一种计算电磁学的计算机建模与仿真技术、代码和模型的验证方法[3]，适用于广泛的电磁应用，包括电磁兼容、雷达散射截面、信号完整性和天线领域等。

FSV的基础是从原始数据中提取两类信息，即幅度(趋势/包络)和要素特征。前者体现了数据的缓慢整体变化，后者则描述了向上或向下的尖峰。通过这两类信息，FSV可以计算出不同层次(整体的、局部的、逐点的等)验证结果[4]。

全局差异估量(Global Difference Measure，GDM)是两组数据相似性的全局判断，由幅值差异估量(Amplitude difference Measure, ADM)和要素差异估量(Feature Difference Measure, FDM)组合而成，可以用数值或解释性语言(极好、非常好、好、一般、不好、很不好)来表达，二者之间的关系见表1。

表1 FSV解释性语言的等级尺度

FSV首先对原始数据作傅里叶变换，并滤波获取低频和高频分量；然后再用傅里叶逆变换将它们转换到原始数据空间，逐点计算它们及其导数的差异得到ADM和FDM的值[4]；最终组合ADM和FDM得到GDM。

假定ADM和FDM相互独立，GDM由下面的公式计算：

使用FSV 时，如果两组数据的抽样点(一般是频率或时间)不同，则必须首先插值，以保证在相同抽样位置上比较数据。FSV的相似度评定框图如图1所示。

图1 特征选择检验法相似度评定框图Fig.1 Similarity assessment diagram of feature selective validation method

FSV是一种结合了基于幅度的比对和基于特征的比对的技术，应用于以验证为目的的数据集比对的量化，能够更全面、更好地显示两组数据集之间的吻合情况[4]。FSV将相似度分为六级评定，未见到用于无线电引信交会仿真数据相似度评定的报道。

2 交会数据相似度验证方法

由于目前很多的无线电近炸引信的信号处理不仅利用了时域的幅度信息，还利用了频域信息，或者是时频联合信息[5-6]，因此无线电引信仿真数据的相似度检验方法需要幅度与频谱的权重相当或者权值可调，才能更加真实有效。

无线电引信仿真数据的特征选择检验法如图2所示，与图1的不同之处在于：交会数据的预处理是指对回波数据所做的采样率转换、时间对齐、去直流等工作。幅值差异估量体现了幅度参数的相似度，要素差异估量体现了频谱参数的相似度，将二者按照一定权重进行组合(通常权重各取一半)，体现了整体的相似度，即全局差异估量。

图2 无线电引信仿真数据的特征选择检验法相似度评定框图 Fig.2 Similarity assessment diagram of radio fuze simulation data feature selective validation method

在实际使用中，仿真模型的精度一般为百分比，按照表2对FSV等级进行转换。

表2 转换的分段函数

3 相似度验证实例

3.1 正弦和余弦信号的相似度验证

计算机产生幅度和频率参数一致的正弦波和余弦波，并对其相关性和特征选择检验特征进行计算。为了验证直流偏置的影响，二组数据分别如下：

第一组数据(有直流偏置)：X1=sin(2π×(0.001∶0.001∶70))+1；

X2=cos(2π×(0.001∶0.001∶70))+1；

第二组数据(无直流偏置)：X1=sin(2π×(0.001∶0.001∶70))；

X2=cos(2π×(0.001×0.001×70))；

计算结果如表3所示，第一组数据的计算曲线如图3所示。

表3 正弦波和余弦波的相似度验证参数表

图3 正弦波和余弦波及其特征参数比较图Fig.3 Comparison chart of sine and cosine waves and characteristic parameters

从结果来看，特征选择检验更加符合我们对于一致性的直观判定，尤其适合像无线电引信交会信号这样一类既有幅度调制又有频率调制的数据。而且，即便没有在预处理中做去除直流项操作，对结果的影响有限。

3.2 外场实测数据的相似度验证

为了方便比较，分别采用同等交会测试条件下的两条数据进行相似度验证，也就是说，两条数据的相似度很高，理论值接近于1。

图4—图7为无线电近炸引信与地面目标、空中目标交会的实测数据曲线、幅度差异估量曲线以及要素差异估量曲线。相关系数法、特征选择检验法各特征参数值见表4。

图4 地面目标交会(正下方交会)测试数据及其特征参数比较图Fig.4 Comparison chart of ground target encounter (underface encountment) test data and characteristic parameters

图5 地面目标交会(侧下方交会)测试数据及其特征参数比较图Fig.5 Comparison chart of ground target encounter (side below encountment) test data and characteristic parameters

图6 空中目标交会(正下方交会)测试数据及其特征参数比较图Fig.6 Comparison chart of aerial target encounter (underface encountment) test data and characteristic parameters

图7 空中目标交会(侧下方交会)测试数据及其特征参数比较图Fig.7 Comparison chart of aerial target encounter (side below encountment) test data and characteristic parameters

相似度比较法文件名及类型地面目标正下方交会(s009/s010)地面目标侧下方交会(s022/s023)空中目标正下方交会(b10/b11)空中目标侧下方交会(b91/b92)特征选择检验法幅值差异估量0.135150.230590.0860090.053547要素差异估量0.0125310.0135580.00962250.0070818全局差异估量0.13675(非常好)0.23167(好)0.087584(极好)0.055087(极好)全局相似度93.12%88.37%95.62%97.25%相关系数法相关系数77.87%24.96%89.61%87.46%理论相似度理论相似值100%100%100%100%

特征选择检验法评定时，空中目标交会测试的两组数据差异估量很小，说明相似度很高，地面目标交会测试的两组数据差异估量稍大，地面目标侧下方交会数据的差异更大些，但量值与视觉感受较为接近，比相关系数法更加“真实”。

一般说来，对地面目标进行半实物仿真时，由于复杂背景对探测回波的影响较大，尤其是大脱靶量情况下, 其相似度差一些，而对空中目标进行弹目交会的半实物仿真时，相对“干净”的背景会对相似度结果较为有利。

相似度评定方法的选取应与无线电引信的作用目标、作用方式等相关联，特征选择检验方法不仅适于无线电引信与空中目标交会测试的数据相似度评定，也适合于对地面目标作用的无线电近炸引信的仿真数据的相似度评定，通用性较好。

4 结论

本文提出了基于特征选择检验的交会数据相似度验证方法，该方法分别统计幅值差异估量和要素差异估量，进行加权求和，得到全局差异估量，并转换成相似度百分比，其结果更为接近真实值。实例验证表明，特征选择检验方法不仅适用于空中目标弹目交会数据的比对和分析，对信杂比较差的大脱靶量地面目标弹目交会数据的相似度评估也较为适合。在实际工作中，无线电引信弹目交会数据相似度评定方法的选取应与引信的作用目标、作用方式等相关联，既考核了仿真模型的准确性又验证了信号处理模型的有效性。

[1]查亚兵.仿真结果验证的频谱比较方法[J].系统仿真学报，1997(1):22-26.

[2]佟佳慧，张淑丽，张绍宁.基于小波变换的仿真模型验证方法研究[C]//2007 全国仿真技术学术会议论文集.北京：仿真技术学会，2007：97-100.

[3]徐秉铮，欧阳景正.信号分析与相关技术[M].北京：科学出版社，1981.

[4]Duffy A, Drozd A， Archambeault B, et al. Measuring similarity for validation of computational electromagnetic modeling[C]// Proc EADINGS of the 2004 IEEE International Symposium on EMC. Santa Clara:IEEE,2004:697-702.

[5]肖舒文，李柏文，陈晓盼.特征选择验证方法：原理、应用及最新进展[J]，电讯技术，2016,56(3):346-352.

[6]马秋华，基于小波包频谱分析的弹目交会特征提取方法[J]， 探测与控制学报,2009,31(1):5-9.

[7]乔飞.基于有限分布参数的地面多普勒回波模型[J].探测与控制学报, 2010,32(6):5-9.

An Encounter Data Similarity Verification Method Based on Feature Selective Validation

SI Xinlu，MA Qiuhua

(Xi’an Institute of Electromechanical Information Technology, Xi’an 710065, China)

To solve the problem that there is no uniform quantitative standard for radio fuze semi-physical simulation of missile-target encounter data， a method of radio fuze encounter data similarity verification was proposed based on feature elective validation.This method figured out the amplitude difference measure and the feature difference measure respectively, which were weighted sum to get the global difference measure that was converted into a percentage similarity. Verification indicates that compared with the correlation coefficient, this method synthesized the feature information of time domain and frequency domain of missile-target encounter data, making the result more close to the true value.The feature selective validation method was not only applicable to the data comparison and analysis for missile-target encounter in the air, but also applicable to the similarity assessment for the missile-target encounter data on the ground which was of a poor signal-to-clutter radio.

proximity fuze; semi-physical simulation; encounter data; similarity; feature selective validation

2016-06-12

司昕璐(1981—)，女，河南郑州人，工程师，研究方向：目标环境特性测量。E-mail:sixinlu@163.com。

TJ432.2

A

1008-1194(2016)05-0037-05