留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于HMM的雷达状态转移估计方法

陈维高 贾鑫 朱卫纲 唐晓婧

陈维高, 贾鑫, 朱卫纲, 等 . 基于HMM的雷达状态转移估计方法[J]. 北京航空航天大学学报, 2017, 43(10): 2171-2180. doi: 10.13700/j.bh.1001-5965.2016.0836
引用本文: 陈维高, 贾鑫, 朱卫纲, 等 . 基于HMM的雷达状态转移估计方法[J]. 北京航空航天大学学报, 2017, 43(10): 2171-2180. doi: 10.13700/j.bh.1001-5965.2016.0836
CHEN Weigao, JIA Xin, ZHU Weigang, et al. Radar state transfer estimation method based on HMM[J]. Journal of Beijing University of Aeronautics and Astronautics, 2017, 43(10): 2171-2180. doi: 10.13700/j.bh.1001-5965.2016.0836(in Chinese)
Citation: CHEN Weigao, JIA Xin, ZHU Weigang, et al. Radar state transfer estimation method based on HMM[J]. Journal of Beijing University of Aeronautics and Astronautics, 2017, 43(10): 2171-2180. doi: 10.13700/j.bh.1001-5965.2016.0836(in Chinese)

基于HMM的雷达状态转移估计方法

doi: 10.13700/j.bh.1001-5965.2016.0836
详细信息
    作者简介:

    陈维高  男, 博士研究生。主要研究方向:雷达信号获取与处理

    贾鑫  男, 硕士, 教授, 博士生导师。主要研究方向:空间信息对抗理论与技术、现代信号处理理论与应用

    朱卫纲  女, 博士, 副教授, 硕士生导师。主要研究方向:信息获取与处理

    唐晓婧  女, 硕士, 助教。主要研究方向:信息获取与处理

    通讯作者:

    贾鑫, E-mail: 13910413166@139.com

  • 中图分类号: TN958.9

Radar state transfer estimation method based on HMM

More Information
  • 摘要:

    针对传统识别模型存在的参数规律描述不全面的问题,提出一种适用于多功能雷达(MFR)的层级模型,该模型通过任务、状态、参数3个层级反映了MFR系统的运行机制,并依据不同的参数变化规律,设定多种函数进行描述,能够反映信号的联合变化和统计信息,较统计和脉冲样本图模型具备更好的识别效果。在层级模型基础上,针对MFR状态转移估计方法存在的鲁棒性、估计准确率不佳的问题,引入目标运动状态信息,构建双链隐马尔可夫模型(HMM),进而利用D-S(Dempster-Shafer)证据理论优化估计结果,提出一种基于HMM的雷达状态转移估计方法,实验结果表明,提出的方法较改进前具备更优异的鲁棒性和估计准确率。

     

  • 图 1  雷达辐射源层级模型

    Figure 1.  Hierarchical model of radar emitter

    图 2  模拟生成的固定脉冲列Wω1

    Figure 2.  Simulation of fixed pulse sequence Wω1

    图 3  Mercury MFR状态转移图

    Figure 3.  State transition diagram of Mercury MFR

    图 4  状态转移估计流程

    Figure 4.  Flow of radar state transfer estimation

    图 5  不同模型条件下KNN识别准确率随偏离误差的变化

    Figure 5.  Change of KNN recognition accuracy rate with EDL in different models

    图 6  目标机动轨迹

    Figure 6.  Target maneuver trajectory

    图 7  估计准确率随先验信息的变化

    Figure 7.  Change of estimation accuracy rate with prior information

    图 8  估计准确率随识别错误率的变化

    Figure 8.  Change of estimation accuracy rate with recognition error rate

    表  1  描述区间s1s2s3的含义

    Table  1.   Meanings of description interval s1, s2, s3

    参数s1s2s3
    d
    v低(包括逆向高速度)
    a小(包括逆向大加速度)
    下载: 导出CSV

    表  2  按照状态分类的Mercury MFR模式

    Table  2.   Mercury MFR modes classified via state

    MFR状态雷达模式
    Searchω1ω2ω4ω5
    ω2ω4ω5ω1
    ω4ω5ω1ω2
    ω5ω1ω2ω4
    ω1ω3ω5ω1
    ω3ω5ω1ω3
    ω5ω1ω3ω5
    ACQω1ω1ω1ω1
    ω2ω2ω2ω2
    ω3ω3ω3ω3
    ω4ω4ω4ω4
    ω5ω5ω5ω5
    NAT/TMω1ω6ω6ω6
    ω2ω6ω6ω6
    ω3ω6ω6ω6
    ω4ω6ω6ω6
    ω5ω6ω6ω6
    RRω7ω6ω6ω6
    ω8ω6ω6ω6
    ω9ω6ω6ω6
    ACQ/NAT/TMω6ω6ω6ω6
    TMω7ω7ω7ω7
    ω8ω8ω8ω8
    ω9ω9ω9ω9
    ω1ω7ω7ω7
    ω2ω7ω7ω7
    ω3ω7ω7ω7
    ω4ω7ω7ω7
    ω5ω7ω7ω7
    ω6ω7ω7ω7
    ω1ω8ω8ω8
    ω2ω8ω8ω8
    ω3ω8ω8ω8
    ω4ω8ω8ω8
    ω5ω8ω8ω8
    ω6ω8ω8ω8
    ω1ω9ω9ω9
    ω2ω9ω9ω9
    ω3ω9ω9ω9
    ω4ω9ω9ω9
    ω5ω9ω9ω9
    ω6ω9ω9ω9
    下载: 导出CSV

    表  3  按照MFR状态分类的目标运动状态

    Table  3.   Target motion modes classified via state of MFR

    MFR状态目标运动状态
    Search/ACQs3s2s2
    s3s2s3
    s3s3s2
    s3s3s3
    s3s1s1
    s3s1s2
    s3s1s3
    s3s2s1
    s3s3s1
    Search/NAT/RRs2s2s2
    s2s2s3
    s2s3s2
    s2s3s3
    s2s3s1
    Search/RR/TMs1s1s1
    s1s1s2
    s1s1s3
    s1s2s1
    s1s2s2
    s1s2s3
    s1s3s1
    s1s3s2
    s1s3s3
    Search/NAT/RRs2s1s1
    s2s1s2
    s2s1s3
    s2s2s1
    下载: 导出CSV

    表  4  雷达辐射源样本特征信息

    Table  4.   Sample feature information of radar emitters

    雷达
    模式
    PRI/μsRF/MHzPW/μsPADOA/(°)样本
    个数
    类型取值类型取值类型取值
    1参差[1 850, 1 880, 1 940]
    [1 060, 1 150, 1 100]
    [1 200, 1 250, 1 310]
    组变1 236/1 248/1 291抖动52.1±1.50.3~0.735~55102
    2滑变800/850/900/950/1 000捷变[3 850, 3 950]固定9.10.4~0.833~42105
    3组变1 125/1 276/1 342/1 497组变2 331/2 852/3 398/3 838固定15.90.5~0.916~30104
    4固定2 100组变2 300/2 400/2 500多个330.7/216.4/62.10.1~0.618~33109
    5抖动1 000±100固定2 925抖动50.6±1.50.2~0.733~58100
    6调度间隔544的脉冲5个
    间隔690的脉冲7个
    间隔依次为307, 343,
    379, 398的脉冲4个
    间隔为800±40的脉冲12个
    固定5 460多个1.5/2.5/3.2/7.30.4~1.023~39109
    7抖动1 500±150捷变[3 751, 3 950]抖动15.6±1.50.3~0.623~38103
    8抖动2 300±230捷变[3 322, 3 508]固定105.60.1~0.531~38101
    下载: 导出CSV

    表  5  识别准确率对比

    Table  5.   Comparison of recognition accuracy rate

    偏离误差/
    %
    识别准确率/%
    MFR层级模型脉冲样本图模型统计参数模型
    099.6497.8783.17
    896.1892.5975.95
    1693.1988.6972.19
    2485.5780.2666.22
    3274.6068.9658.53
    4064.7160.3952.05
    下载: 导出CSV

    表  6  目标1机动参数对应的观测特征和MFR状态

    Table  6.   Observational characteristics and MFR state of target 1's maneuver parameter


    径向
    距离/
    km
    径向速度/
    (km·h-1)
    径向
    加速度/g
    观测特征MFR
    状态
    运动
    状态
    雷达
    模式
    1300.001 012.360.11s3s1s2ω4ω5ω1ω2Search
    2273.531 167.26-0.12s3s1s3ω3ω3ω3ω3ACQ
    3219.81896.372.13s2s1s1ω4ω6ω6ω6NAT
    4171.96427.682.16s2s2s1ω8ω6ω6ω6RR
    5116.5792.040.68s1s3s2ω3ω8ω8ω8TM
    6135.93-132.07-1.16s1s3s3ω5ω9ω9ω9TM
    7221.16-973.28-1.02s2s3s3ω9ω6ω6ω6RR
    8280.72-767.910.03s3s3s2ω3ω5ω1ω3Search
        注:g=9.8 m/s2为重力加速度。
    下载: 导出CSV
  • [1] 贲德.机载有源相控阵火控雷达的新进展及发展趋势[J].现代雷达, 2008, 30(1):1-4. http://www.cnki.com.cn/Article/CJFDTOTAL-XDLD200801002.htm

    BEN D.Latest status & development trends of airborne AESA fire-control radar[J].Modern Radar, 2008, 30(1):1-4(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-XDLD200801002.htm
    [2] VISNEVSKI N.Syntactic modeling of multi-function radars[D].Hamilton:McMaster University, 2005:47-58.
    [3] VISNEVSKI N, KRISHNAMURTHY V, WANG A, et al.Syntactic modeling and signal processing of multifunction radars:A stochastic context-free grammar approach[J].Proceedings of the IEEE, 2007, 95(5):1000-1025. doi: 10.1109/JPROC.2007.893252
    [4] 刘海军. 雷达辐射源识别关键技术研究[D]. 长沙: 国防科学技术大学, 2010: 95-106. http://cdmd.cnki.com.cn/Article/CDMD-90002-2010271175.htm

    LIU H J.Researches on identification key technology for radar emitter[D].Changsha:National University of Defense Technology, 2010:95-106(in Chinese). http://cdmd.cnki.com.cn/Article/CDMD-90002-2010271175.htm
    [5] 刘海军, 樊昀, 李悦, 等.多功能雷达建模中的雷达字提取技术研究[J].国防科技大学学报, 2010, 32(2):91-96. http://youxian.cnki.com.cn/yxdetail.aspx?filename=BJHK20170203001&dbname=CAPJ2015

    LIU H J, FAN Y, LI Y, et al.Research on extracting of radar words in modeling of multi-function radar[J].Journal of National University of Defense Technology, 2010, 32(2):91-96(in Chinese). http://youxian.cnki.com.cn/yxdetail.aspx?filename=BJHK20170203001&dbname=CAPJ2015
    [6] ARASARATNAM I, HAYKIN S, KIRUBARAJAN T, et al.Tracking the mode of operation of multi-function radars[C]//IEEE Conference on Radar.Piscataway, NJ:IEEE Press, 2006:233-238.
    [7] 马爽. 多功能雷达电子情报信号处理关键技术研究[D]. 长沙: 国防科技大学, 2013: 101-125. http://cdmd.cnki.com.cn/Article/CDMD-90002-1015959319.htm

    MA S.Research on ELINT signal processing key technologies for multifunction radar research on extracting of radar words in modeling of multi-function radar[D].Changsha:National University of Defense Technology, 2013:101-125(in Chinese). http://cdmd.cnki.com.cn/Article/CDMD-90002-1015959319.htm
    [8] RYAN M S, NUDD G R.The Viterbi algorithm[J].Proceedings of the IEEE, 2015, 61(5):268-278.
    [9] ATTOUCH H, PEYPOUQUET J, REDONT P.A dynamical approach to an inertial forward-backward algorithm for convex minimization[J].SIAM Journal on Optimization, 2014, 24(1):232-256. doi: 10.1137/130910294
    [10] WELCH L R.Hidden Markov models and the Baum-Welch algorithm[J].IEEE Information Theory Society Newsletter, 2003, 53(2):194-211. https://www.mendeley.com/research-papers/hidden-markov-models-baumwelch-algorithm/
    [11] 周德强, 陈卫东.基于Viterbi算法的扩频码与信息序列联合估计[J].飞行器测控学报, 2014, 33(5):441-447. http://www.cnki.com.cn/Article/CJFDTOTAL-FXCK201405014.htm

    ZHOU D Q, CHEN W D.Joint blind estimation of spreading code and information sequence based on Viterbi algorithm[J].Journal of Spacecraft TT & C Technology, 2014, 33(5):441-447(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-FXCK201405014.htm
    [12] LIVANI H, JAFARZADEH S, EVRENOSOGLU C Y, et al.A unified approach for power system predictive operations using Viterbi algorithm[J].IEEE Transactions on Sustainable Energy, 2014, 5(3):757-766. doi: 10.1109/TSTE.2014.2301915
    [13] 刘韬. 基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D]. 上海: 上海交通大学, 2013: 46-52.

    LIU T.Study of hidden Markov model and information fusion in equipment fault diagnosis and performance degradation assessment[D].Shanghai:Shanghai Jiao Tong University, 2013:46-52(in Chinese).
    [14] 代鹂鹏, 王布宏, 蔡斌, 等.基于SCFG建模的多功能雷达状态估计算法[J].空军工程大学学报(自然科学版), 2014, 15(3):24-28. http://www.cnki.com.cn/Article/CJFDTOTAL-KJGC201403006.htm

    DAI L P, WANG B H, CAI B, et al.Latest status & development trends of airborne AESA fire-control radar[J].Journal of Air Force Engineering University(Natural Science Edition), 2014, 15(3):24-28(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-KJGC201403006.htm
    [15] 章登义, 欧阳黜霏, 吴文李.针对时间序列多步预测的聚类隐马尔科夫模型[J].电子学报, 2014, 42(12):2359-2364. doi: 10.3969/j.issn.0372-2112.2014.12.004

    ZHANG D Y, OUYANG C F, WU W L.Cluster-based hidden Markov model in time series multi-step prediction[J].Acta Electronica Sinica, 2014, 42(12):2359-2364(in Chinese). doi: 10.3969/j.issn.0372-2112.2014.12.004
    [16] WANG A, KRISHNAMURTHY V.Signal interpretation of multifunction radars:Modeling and statistical signal processing with stochastic context free grammar[J].IEEE Transactions on Signal Processing, 2008, 56(3):1106-1119. doi: 10.1109/TSP.2007.908949
  • 加载中
图(8) / 表(6)
计量
  • 文章访问数:  481
  • HTML全文浏览量:  23
  • PDF下载量:  381
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-10-31
  • 录用日期:  2017-01-20
  • 刊出日期:  2017-10-20

目录

    /

    返回文章
    返回
    常见问答