基于SOM聚类平滑图信号生成的MFR工作模式识别方法_罗健.pdf

第4 3卷 第2期桂 林 电 子 科 技 大 学 学 报V o l.4 3,N o.2 2 0 2 3年4月J o u r n a l o f G u i l i n U n i v e r s i t y o f E l e c t r o n i c T e c h n o l o g yA p r.2 0 2 3收稿日期:2 0 2 2-0 5-1 1基金项目:国家自然科学基金(6 2 0 7 1 1 3 5);认知无线电与信息处理省部共建教育部重点实验室主任基金(C R K L 1 9 0 1 0 4);桂林电子科技大学研究生教育创新计划(2 0 2 1 Y C X S 0 4 1)通信作者:周陬(1 9 8 3-),男,副教授,博士,研究方向为无人机群体智能、多传感室内定位与建图、物联网与大数据技术应用。E-m a i l:z h o u z o u g u e t.e d u.c n引文格式:罗健,仇洪冰,周陬,等.基于S OM聚类平滑图信号生成的M F R工作模式识别方法J.桂林电子科技大学学报,2 0 2 3,4 3(2):1 2 0-1 2 7.基于S OM聚类平滑图信号生成的MF R工作模式识别方法罗 健,仇洪冰,周 陬,顾 宇,王若楠,费文浩(桂林电子科技大学 认知无线电与信息处理教育部重点实验室,广西 桂林 5 4 1 0 0 4)摘 要:针对无人机集群截获的信号样本难以直接融合分析,以及训练样本较少且工作模式样本不平衡条件下多功能雷达(M F R)工作模式识别精度低的问题,提出了一种基于自组织映射(S OM)聚类平滑图信号生成的M F R工作模式识别方法。首先,利用分布式S OM算法对截获的信号样本集进行聚类,提取样本之间的相似性;然后,依据聚类结果将信号样本集以平滑图信号的方式表征,建立同一工作模式下信号样本的关联;最后,采用图注意力网络对上述图信号进行图节点数据融合与分类,完成M F R工作模式识别。实验结果表明,在工作模式样本不平衡度约为1 0 1,每种类别训练样本数为2 5时,该方法的识别准确率和F 1指数相对现有方法分别提高了2 2.8%、2 2.3 4%,且能适用于存在一定噪声干扰的情况。关键词:M F R工作模式识别;无人机集群;平滑图信号;自组织映射;图注意力网络中图分类号:T N 9 7 4 文献标志码:A 文章编号:1 6 7 3-8 0 8 X(2 0 2 3)0 2-0 1 2 0-0 8M F R w o r k i n g m o d e r e c o g n i t i o n b a s e d o n s m o o t h g r a p h s i g n a l g e n e r a t e d b y S OM c l u s t e r i n g L U O J i a n,Q I U H o n g b i n g Z HO U Z o u,G U Y u,WA N G R u o n a n,F E I W e n h a o(K e y L a b o r a t o r y o f C o g n i t i v e R a d i o a n d I n f o r m a t i o n P r o c e s s i n g o f M i n i s t r y o f E d u c a t i o n,G u i l i n U n i v e r s i t y o f E l e c t r o n i c T e c h n o l o g y,G u i l i n 5 4 1 0 0 4,C h i n a)A b s t r a c t:U A V s w a r m s a r e w i d e l y u s e d i n r a d a r s i g n a l i n t e r c e p t i o n d u e t o t h e i r a d v a n t a g e s o f w i d e s e n s i n g r a n g e a n d r a p i d i n f o r m a t i o n s h a r i n g.A i m i n g a t t h e p r o b l e m t h a t t h e s i g n a l s a m p l e s i n t e r c e p t e d b y U A V c l u s t e r a r e d i f f i c u l t t o b e f u s e d a n d a n a l y z e d d i r e c t l y,a n d t h e r e c o g n i t i o n a c c u r a c y o f m u l t i-f u n c t i o n r a d a r(M F R)w o r k i n g m o d e i s l o w u n d e r t h e c o n d i t i o n o f f e w t r a i n i n g s a m p l e s a n d u n b a l a n c e d w o r k i n g m o d e s a m p l e s,a n M F R w o r k i n g m o d e r e c o g n i t i o n m e t h o d b a s e d o n s m o o t h g r a p h s i g n a l g e n e r a t e d b y s e l f-o r g a n i z i n g m a p(S OM)c l u s t e r i n g i s p r o p o s e d.F i r s t l y,t h e i n t e r c e p t e d s i g n a l s a m p l e s a r e c l u s t e r e d b y u s i n g d i s t r i b u t e d S OM a l g o r i t h m t o e x t r a c t t h e s i m i l a r i t y b e t w e e n s a m p l e s;T h e n,a c c o r d i n g t o t h e c l u s t e r i n g r e s u l t s,t h e s i g n a l s a m p l e s e t i s c h a r a c t e r i z e d b y s m o o t h g r a p h s i g n a l,a n d t h e c o r r e l a t i o n o f s i g n a l s a m p l e s u n d e r t h e s a m e w o r k i n g m o d e i s e s t a b l i s h e d;F i n a l l y,t h e g r a p h a t t e n t i o n n e t w o r k i s u s e d t o f u s e a n d c l a s s i f y t h e g r a p h n o d e d a t a o f t h e a-b o v e g r a p h s i g n a l s t o c o m p l e t e t h e M F R w o r k i n g p a t t e r n r e c o g n i t i o n.T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t,w h e n t h e i m b a l-a n c e o f w o r k i n g m o d e s a m p l e s i s a b o u t 1 0 1 a n d t h e n u m b e r o f t r a i n i n g s a m p l e s i n e a c h c l a s s i s 2 5,t h e r e c o g n i t i o n a c c u r a c y a n d F 1 m e a s u r e o f t h i s m e t h o d a r e i m p r o v e d b y 2 2.8%a n d 2 2.3 4%r e s p e c t i v e l y c o m p a r e d w i t h t h e e x i s t i n g m e t h o d s,a n d c a n b e a p p l i e d t o t h e c a s e o f n o i s e i n t e r f e r e n c e.K e y w o r d s:M F R w o r k i n g m o d e r e c o g n i t i o n;U A V s w a r m s;s m o o t h g r a p h s i g n a l;s e l f-o r g a n i z i n g m a p;g r a p h a t t e n t i o n n e t-w o r k 雷达工作模式识别是电子侦察的核心内容,其通过对截获的信号样本进行分析处理以判定目标雷达的工作模式,为制定电子对抗策略提供情报基础1。多功能雷达(m u l t i-f u n c t i o n r a d a r,简称M F R)因具DOI:10.16725/45-1351/tn.2023.02.007第2期罗 健等:基于S OM聚类平滑图信号生成的M F R工作模式识别方法有多工作模式、智能程度高、可靠性强等优点被广泛应用于电子战2,给雷达信号侦察带来巨大挑战。M F R信号被截获概率较低,因此在短时间内可截获的信号样本较少;若不对M F R施加一定对抗压力,其某些工作模式可能被隐藏3。将无人机集群应用于M F R侦察可有效应对上述问题。其不仅能通过对战场的全覆盖与信息交互得到较为完备的M F R信号样本集4,还可实施模拟攻击对M F R施压,使其暴露所有工作模式,且应用无人机集群是电子对抗发展的大势所趋5。在复杂电磁环境下,截获的信号样本通常存在脉冲丢失、测量误差较大等缺陷6,通过数据融合能够减轻其对识别结果的影响。然而,由于各无人机截获的M F R信号样本通常来自多个M F R或不同工作模式,难以直接对其进行融合处理。因此,如何建立无人机集群截获的M F R信号样本之间的融合依据是必须考虑的问题。现有的M F R工作模式识别方法主要包括基于隐马 尔 科 夫 模 型(h i d d e n m a r k o v m o d e l,简 称HMM)的方法、基于句法模型的方法、基于信号特征提取的方法。基于HMM的方法7-9将雷达系统视为一个有限状态自动机(f i n i t e s t a t e a u t o m a t o n,简称F S A),利用HMM对F S A建模,实现M F R工作模式识别。该方法在保留观测信号最大信息量的同时具有很好的灵活性,但难以对状态数繁多、转换复杂的雷达系统进行准确表征。基于句法模型的方法1 0-1 3依据M F R工作模式转移的文法类型,构造相应的自动机,实现工作模式识别。该方法理论性较强,且相较于基于HMM的方法具有更好的雷达信号建模能力,但它十分依赖雷达的先验知识,本质上是对情报库中先验知识的符号化表征。基于信号特征提取的方法1 4-1 6依据不同工作模式下信号特征的差异性,构建分类器以实现M F R工作模式识别1 7。该方法对