复杂环境下雷达指纹识别系统的关键技术研究

With the increasing development of modern military counter system, the research on specific emitter identification (SEI) has become one of the difficulties and hotspots in the field of electronic warfare reconnaissance. By analyzing the intercepted radar signal, it should recognize individual electronic emitters which are of same type or with same parameter. The provided reliable and timely intelligence information could be further used to locate and evaluate the potential radar emitters, as well as the particular units operating them. Aiming at the challenges in real environments such as complex interference, highly dense signals, and changing radar parameters, this project mainly devotes to the core methods for radar SEI. The focuses of this research are as follows: 1. The pre-processing methods for de-noising and identification of multipath signals; 2. Methods for intentional modulation recognition of complex radar signals; 3. Mechanism analysis and extraction of unintentional modulation features; 4. Distance-based and Ambiguity Function guided feature selection, as well as Canonical Correlation Analysis based feature fusion; 5. Signal rejection criteria based on generalized confidence evaluation, classifiers fusion based on the posteriori, and schemes for online updating of radar features. The research findings in this project will further promote the development and application of modern SEI techniques and increase the reliability of Radar Electronic Countermeasures System of our country.

随着现代军事对抗信息化特征的日益增强，雷达辐射源指纹（个体）识别已成为当前电子侦察领域的研究热点和难点问题。它通过接收未知雷达辐射源发射的信号，分析其指纹特征，从而唯一地识别辐射源个体，完成准确的搭载平台鉴别和威胁判断。本项目针对实际环境中干扰复杂、信号密度大、雷达参数多变等挑战，开展雷达指纹识别的关键技术研究。主要研究内容有：1.研究雷达辐射源信号预处理方法，包括降噪、多径判别与抑制等；2.研究复杂体制辐射源信号调制分析方法；3.研究辐射源个体特征的产生机理和有效提取方法；4. 研究基于距离准则和模糊核函数优化的特征选择方法，以及基于典型相关分析的特征融合方法；5.研究基于广义置信度评价的信号拒判方法，基于后验概率的分类器融合方法，以及特征库在线更新方法。本项目的研究成果将为进一步完善我国雷达辐射源个体识别的方法体系、促进其工程应用、提高电子对抗系统的性能提供理论与技术支撑。

本项目针对实际环境中干扰复杂、信号密度大、雷达参数多变等挑战，开展雷达指纹识别系统的关键技术研究。所取得的主要研究成果有：1. 研究了基于时频分析的辐射源信号预处理方法。提出了辐射源信号的小波域降噪方法，有效地提高了包络特征提取的精度和稳定度。提出了基于Wigner-Ville分布的实测信号多径检测方法，可有效地检测出信号的尾部存在频率漂移；2. 研究了复杂环境下雷达辐射源信号的调制分析。提出了基于模糊函数的辐射源信号调制识别方法，不仅能够实现有意调制特征分析和识别，而且能适用于多径环境；3. 研究了辐射源指纹特征的产生机理和提取方法。提出了基于模糊函数多普勒切片的辐射源信号特征提取方法，挖掘出最具“鉴别力”的稳定特征，满足了工程应用的实时性要求。研究了辐射源信号无意调制机理分析，利用辐射源信号模糊函数的整体建模，不仅证明了相位噪声是无意调制特征产生的根源，而且给出了前述特征提取方法的机理解释；4. 研究了辐射源指纹特征优化与多特征融合方法。提出了基于原子匹配追踪的指纹特征优选新方法，保证了类间原子集匹配时具有很强的独立性，类间判别信息得以保留，因而最大限度地挖掘了雷达信号间的指纹差异。提出了基于局部相关成分分析的指纹特征降维方法，使得相同类标的样本在投影后空间中分布更加紧凑，挖掘了辐射源数据更多的局部结构信息。提出了基于多集典型相关分析的雷达辐射源多特征融合新方法，利用多集典型相关分析实现了表征能力不同的各切片间的特征融合与冗余消除，而进一步推广得到的多集判别典型相关分析在保持较低典型向量阶数的同时可以获得更优的辐射源个体识别性能；5.研究了适合于雷达辐射源指纹识别的智能分类器。提出了基于模糊在线加权的Passive Aggressive算法，可应用于辐射源个体的在线识别与特征库更新。研究了基于多核学习的辐射源融合分类算法，其利用了多核学习的融合机制，可以对不同域的辐射源指纹特征进行异源信息融合与分类，具有工程应用价值。提出了权值自适应的辐射源多特征融合分类器，其利用树状结构将概率SVM推广到多分类问题，并进行权值的自动调节，提升了多分类器的融合性能。设计了基于广义置信度准则的系统拒识和性能评价体系，实现了非库属辐射源的有效鉴别。本项目的研究成果将为进一步完善我国雷达辐射源个体识别的方法体系、促进其工程应用、提高电子对抗系统的性能提供理论与技术支撑。