[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

摘要

本发明涉及一种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，步骤一建立MFR的PSR模型；步骤二进行PSR模型训练；步骤三进行MFR工作模式识别；步骤四进行MFR信号快速预测。本发明的有益效果一，针对MFR工作辨识与预测问题进行研究，采用PSR模型对动态系统的表征能力更强，模型简洁；二，与全概率方法相比，本发明所提方法在性能和效率上都要优于前者，非常适用于具有高维度的MFR的PSR模型，完全可以替代全概率法用于MFR信号的多步预测。三，具有很强的应用前景，能够较准确地对MFR信号序列进行预测，使得动态分析MFR工作模式及调度策略成为可能，为自适应雷达对抗的实现提供技术支撑。

主权项

一种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，其特征在于：该方法包括如下步骤：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…ot；e为事件，指在经历之后的观测序列，e＝ot+1ot+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ot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ot，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＝ot|h＝o1o2…ot‑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mo使得p(o|h)＝pT(Q|h)mo    (3)令当得到新的观测o后，p(Q|h)将更新为：p(Q|ho)=pT(Q|h)MoQpT(Q|h)mo---(4)]]>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；首先利用字符串处理工具对训练雷达字序列S进行预处理；计算噪声阈值并滤除噪声；寻找线性无关向量，最终提取出核心事件集Q和界标集L；步骤三：进行MFR工作模式识别；先利用上述PSR模型计算各工作模式条件下观测的预测状态分布p(ot+1|ht,λ＝i)，再进一步估计对应工作模式的后验概率p(λ＝i|ht)；步骤四：进行MFR信号快速预测。