[发明专利]低先验信息条件下的多功能雷达行为辨识与快速预测方法

说明书

【技术领域】

本发明涉及低先验信息条件下的多功能雷达行为辨识与快速预测方法，属 于雷达电子战领域，具体涉及到多功能雷达行为辨识与预测技术，更进一步来 说是针对在低先验信息条件下和对实时性要求较高的场景下实现多功能雷达行 为辨识与预测的方法。

【背景技术】

随着有源相控阵等技术的应用，多功能雷达(Multi-function radar,MFR) 已发展成为一种具有多模式、多任务和高度智能化的感知系统，展现出极强的 灵活性和自适应能力。常规的电子侦察和雷达对抗技术在应对MFR时往往存 在一些局限，而认知电子战技术可根据战场电磁环境采用针对性的对抗措施， 实现更好的对抗效果。目前在雷达辐射源识别领域的研究已取得了不少成果， 但其落脚点大多在于对辐射源型号或个体的识别。这些对于干扰方固然是十分 宝贵的情报信息，但对干扰决策更为重要的应是雷达当前和未来的行为，包括 其工作模式、波形参数、调度策略等，这也正是认知的对象。因此，如何对 MFR行为进行准确的识别和预测已成为认知电子战研究中亟待解决的问题。由 于MFR信号的复杂性，现有识别和预测方法普遍存在不便于实际应用的问题。 基于预测状态表示(Predictive State Representation,PSR)的MFR模型框架具有良 好的性能，在用于工作模式识别时效果显著优于HMM。本发明在这一模型框 架的基础上，尝试对现有算法的不足之处进行改进：首先针对部分先验信息不 易获取的问题，研究了不依赖状态转移概率的MFR工作模式辨识方法；随后 针对全概率方法计算量大的问题，利用PSR自身的预测属性，研究了MFR信 号的多步快速预测方法。

【发明内容】

本发明的目的在于利用PSR模型实现MFR工作辨识与预测。为了达到上 述目的，本发明的涉及低先验信息条件下的多功能雷达行为辨识与快速预测方 法，采取的技术方案如下：

步骤一：建立MFR的PSR模型；

非受控系统的PSR模型可表示为一个四元组<O,h,e,p(e|h)>：

O为观测空间，一个包含所有观测值的有限离散集合，一个观测o∈O；h 为经历，指从初始时刻开始并止于当前时刻的观测序列，h＝o₁o₂…o_t；e为事 件，指在经历之后的观测序列，e＝o_t+1o_t+2…。对于线性PSR模型，若所有事 件的概率均可由一组事件概率的线性组合表示，则称这组事件为核心事件(Core Events)，Q＝{q₁,q₂,…,q_|Q|}；p(e|h)为给定经历h条件下事件e发生的概率；

MFR雷达字序列用PSR模型表示：

设全部雷达字的有限集为W，每个雷达短语由n个雷达字串联而成，那么 t时刻的观测o_t为一个n个雷达字的短序列，观测空间O＝Wⁿ；事件e为当前时 刻的观测o_t，核心事件集Q为该工作模式下的雷达短语集合；设寄存器位数为 m，则记忆为经历h中所有长度不大于m的后缀的集合。

因此，在经历h条件下发生事件e的概率p(e|h)为：

p(e|h)＝p(e＝o_t|h＝o₁o₂…o_t-1) (1)

核心事件Q＝{q₁,q₂,…,q_|Q|}的概率分布为：

p(Q|h)＝[p(q₁|h),p(q₂|h),…,p(q_|Q||h)]^T (2)

根据Q的定义，任何观测发生的概率均可由p(Q|h)的线性组合来表示，故 存在m_o使得

p(o|h)＝p^T(Q|h)m_o (3)

令当得到新的观测o后，p(Q|h)将更新为：

上面出现的条件概率所表示的意义有所不同：h与l均属于经历，o和q均 为事件，当“|”两侧为同一类符号时，条件概率表示观测概率，如p(l|h)和p(o|q)， 反之则表示转移概率，如p(q|h)。

步骤二：进行PSR模型训练；