通信學論文-一種輻射源多特征數據關聯(lián)的新方法摘要：提出了一種輻射源多特征數據關聯(lián)的新方法，對數據關聯(lián)的相似性度量進行了討論，給出了一種新的多特征參量統(tǒng)計相似性度量，并用譜系聚類法作數據關聯(lián)，對所得關聯(lián)結果進行了統(tǒng)計檢驗.計算機仿真結果證實了本方法的有效性。關鍵詞：輻射源；多特征；數據關聯(lián)；相似性度量；數據融合ANewApproachforMulti-featureDataAssociationofEmitter：Thispaperpresentsanewapproachformulti-featuredataassociationofemitter.Similaritymeasurementsfordataassociationarediscussed.Anewstatisticalsimilaritymeasurementformulti-featureparametersisproposed,dataassociationofimpulseemitterisprocessedbyclusteringdendrogram,itseffectistestedwithstatisticalcriterion.Theresultsofcomputersimulationillustratethattheproposedapproachiseffective.：Emitter；Multi-featureparameters；Dataassociation；Similaritymeasurement；Datafusion一、引言現代戰(zhàn)爭中對目標的敵我屬性、類型或個體平臺的識別特別重要,而對目標平臺的識別的有效途徑之一是首先對其所載的電子輻射源的識別，然后根據電子裝備組合與目標平臺關系來進行目標識別。輻射源識別是通過對偵收輻射源信號進行特征提取，選擇目標的有關信息標志和穩(wěn)定特征來判斷目標的真假、屬性或類型等。由于戰(zhàn)場復雜電磁信號環(huán)境與干擾的影響，提取的輻射源的特征參數具有來源途徑多、層次復雜等特點，因而戰(zhàn)區(qū)情報處理中心需要對大量偵收、處理數據進行有效數據融合處理以形成完備的情報來進行判斷，其中信號特征關聯(lián)是信息融合處理的基礎，它是將多傳感器的信號參數相關為一組，而每一組表示與一個單一可分辨的信號源有關的數據，確定每組觀測屬于哪個已知信號源的觀測或是潛在信號源的新的觀測，從而數據累積來進一步作數據融合的目標識別與估計處理。目前對跟蹤和航跡融合中數據關聯(lián)討論較多，而目標身份識別中的數據關聯(lián)的討論還比較少見13。本文針對目標識別中的數據關聯(lián)及關聯(lián)度量的選擇進行討論，主要討論脈沖工作方式的輻射源的多特征數據關聯(lián)。利用多傳感器對輻射源偵測而提取其組合特征，根據這些特征的相似性度量，討論如何有效地實現輻射源身份的關聯(lián)，確定觀測是否來源于同一個目標，以便進一步的目標身份融合判決。二、多特征數據關聯(lián)1多特征數據關聯(lián)過程在數據融合信息系統(tǒng)中，接收到的主要是雷達、通信機、敵我識別器等輻射源的信號參數數據，在預處理中對這些輻射源信號參數數據進行特征提取得到的是多組多維特征向量。數據關聯(lián)是利用這些信號參數的特征向量，由預先定義的相似性度量計算相似度得相關陣，進而確定特征向量組中哪些是對同一目標的描述，即確定多觀測之間能否歸到一起，以表示它們是相同的潛在實體的分離觀測。這種分類結果是否合理，需要作統(tǒng)計檢驗。如果不合理則重復關聯(lián)直到輸出檢驗合理的結果。具體關聯(lián)處理過程如圖1所示。2傳統(tǒng)的關聯(lián)度量為了進行觀測對之間的相似性的定量描述，必須定義關聯(lián)度量標準，該度量標準提供一種觀測相似或不相似的定量描述方法?，F列舉2種常用的傳統(tǒng)關聯(lián)度量。（1）距離度量4將特征參數分成2類即均值類ei(i=1,2,n)和方差類i(i=1,2,n),i為特征參量的維數，設有2組特征參量M1和M2，則基于觀測值均值的距離度量為基于觀測值方差的距離度量為目標特征參數之間重要性沒有任何先驗信息的情況下，采用等加權處理方法，即（2）關聯(lián)系數1Gower系數容許同時使用不同測量尺度的變量的情況，該系數具有下述形式：Wi是一個權，量Si(ai,bi)是測量a組和b組對于變量i的一個相似性度量，m為特征參量的維數。3新的關聯(lián)度量關聯(lián)度量的選擇依賴于進行比較的變量類型、先驗信息等。這里根據目標的特征參量的均值和方差，給出了觀測與觀測之間的“相似”程度的特征參量的統(tǒng)計關聯(lián)度量值。設觀測值為N維特征向量組,其均值和方差分別為利用A組的方差i、A組的均值xi、B組的均值yi得關聯(lián)度量:同理，利用B的方差i、B組的均值yi、A組的均值xi得關聯(lián)度量:該關聯(lián)度量較好地反映了特征數據分布結構的相似性，即能反映數據的集中特性和分散特性，根據該關聯(lián)度量可進行對觀測與觀測之間相似程度的量度。對聯(lián)合特征矢量的觀測來說，相似性量度選擇會影響把目標數據正確地歸屬給對應目標的能力，因而數據的相似關聯(lián)量度的構造對目標聚類關聯(lián)效果有較大的影響。三、數據關聯(lián)和檢驗數據關聯(lián)是將備選觀測y1,y2,yn按照某種標準分類形成C1,C2,Cn的聚類過程。本文采用譜系聚類法5。譜系聚類法首先視各觀測自成一類，然后把最相似（關聯(lián)度量最?。┑挠^測聚為小類，再將已聚合的小類按其相似性再聚合，隨著相似性的減弱，最后將一切子類聚合成為一大類，從而得到一個按相似性大小聚結起來的一個譜系圖。其中，由多個特征參量組的關聯(lián)度量構成關聯(lián)矩陣，由先驗數據設定關聯(lián)門限。最后是確定分類，這里根據譜系的直觀分布或經驗值確定一個臨界相似性尺度，用以分割譜線圖而得到觀測的分類C1,C2,Cn。類的劃分是否合理，需要作統(tǒng)計檢驗，這里采用R2統(tǒng)計量5。差平方和T中占的比例，在實際聚類過程中通過R2值的差分來檢驗分類是否合理。具體應用中的檢驗準則為：如果第k次的分類結果的R2值與第k1次的分類結果的R2值相比變化較大，則第k次的分類結果為合理。四、計算機仿真實驗及結果分析輻射源數據關聯(lián)采用半實物數據進行關聯(lián)仿真分析，即采用不同的傳感器所采集到的MarkX應答信號的細微特征統(tǒng)計參數進行數據關聯(lián)分析，所提取的特征項依次為：脈寬（PW）、頻率差（FC）、頻率(F)、上升沿(PRT)、下降沿(PDT)、數據預處理得各參量的均值和方差。獲取的是三類輻射源數據的60組特征參量，預處理后得6組均值和方差，現用新的關聯(lián)度量計算結果與基于均值距離度量、基于方差距離度量及Gower系數作為關聯(lián)度量的計算結果進行比較。數據關聯(lián)的效果如圖2(a)(d)所示，圖中縱軸表示每兩組觀測之間的相似度，如h12表示第一組特征向量與第二組特征向量之間的距離，其值越小表示相似性越大，橫軸為等間隔的標度。各種方法的輻射源關聯(lián)結果及檢驗結果比較見表1。根據檢驗準則：如果第k次的分類結果的值與第k1次的分類結果的R2值相比變化較大，則第k次的分類結果為合理。由差分計算結果可知，分為三類時的R2統(tǒng)計量與分為兩類時的R2統(tǒng)計量相比變化較小，而分為三類時的統(tǒng)計量與分為四類時的R2統(tǒng)計量相比變化較大，這說明分為三類較為合理，這與實際仿真源確實是三類輻射源數據相符合，這說明對于特征參量數據關聯(lián)采用本文中新的關聯(lián)度量是有效的。五、結束語本文提出了一種新的多特征參量的統(tǒng)計關聯(lián)度量，并給出了輻射源數據關聯(lián)和關聯(lián)效果的統(tǒng)計檢驗。該關聯(lián)度量能反映數據分布結構的相似性，仿真表明此度量用于目標多特征參量關聯(lián)有較好的效果。而門限設定和各特征參量的相對重要性即權重的合理選取，我們將作進一步的研究。參考文獻1趙中貴數據融合方法概論.電子工業(yè)部第二十八研究所,1998.2程洪瑋，周一宇，