基于膜算法的雷达辐射源信号聚类分选方法研究

Aiming at intercepted unknown radar pulse signals in complex electromagnetism environment， membrane computing as a new branch of natural computing will be applied to this project, which conducts the research on clustering-based deinterleaving for advanced radar emitter signals based on membrane computing optimization theory. Starting from requirement for realization of automation and intelligence of electronic warfare surveillance system, taking analysis, selection and mining of radar signal features closely related to radar signal sorting as the objects, the project conducts the research under the framework of membrane computing optimization(membrane algorithm) and multi-objective optimization. By three collaborative researches of mutual associated topics on "research on information fusion of multi-feature and feature optimization selection for radar emitter signals", "outlier detection and analysis of radar pulse signals" and "the joint model of radar deinterleaving with inter and intra feature parameters", the two key problems, that is "How to obtain priori-knowledge in unknown radar signal sorting" and "the validity and computation complexity of membrane algorithm during radar sorting process under complex and ever-changing environment", will be solved. According to ELINT, RWR and ESM characteristics, it is possible that the project can realize goal of constructing model of intelligent deinterleaving based membrane algorithm under Map/Reduce model and expand application areas of membrane computing, which contributes to enrich related theory in the research work of signal processing for radar countermeasure.

针对复杂电磁环境下截获的未知雷达脉冲信号，本项目应用自然计算新分支-膜计算，研究基于膜计算优化理论的复杂雷达辐射源信号聚类分选方法。本项目从实现电子对抗侦察系统自动化和智能化的要求出发，与雷达信号分选关系最密切的信号特征挖掘、分析和特征选择为对象，在膜计算优化理论（膜算法）和多目标优化理论的框架下，研究"雷达辐射源信号多特征信息融合与特征优化选择"，"雷达辐射源信号的异常脉冲检测、分析"和"雷达辐射源信号脉内和脉间参数联合分选模型设计"3个相互关联内容的协同研究，解决未知雷达信号分选中先验知识的获取以及膜计算优化算法在工作方式复杂多变的雷达信号分选过程中的有效性和复杂度2个关键问题。根据ELINT、ESM和RWR的特点，实现Map/Reduce计算模型下基于膜算法的复杂体制雷达辐射源信号智能化分选的项目目标，探索拓展膜计算的应用领域，有助于丰富雷达对抗信号处理研究工作中的相关理论。

针对复杂电磁环境下截获的未知雷达脉冲信号，研究复杂体制雷达辐射源信号的分选和识别技术，对实现电子对抗侦查系统的自动化和智能化具有重要的理论价值和现实意义。因此，课题组在膜计算优化理论与多目标优化理论框架下，对雷达辐射源信号的特征选择、雷达辐射源信号异常脉冲检测与分析和雷达辐射源信号的聚类分选模型进行了充分的研究取得主要成果如下：.（1）膜计算框架下的多目标优化算法设计与分析.根据膜系统的结构、多重集和反应规则等特性，结合遗传算法，粒子群优化算法以及烟花爆炸算法，提出了基于膜系统的混合多目标优化算法。同时，考察所提出算法的实际应用能力、分析膜算法自身进化能力以及与其它智能算法的融合能力。通过对标准的KUR、ZDT与DTLZ系列函数的仿真试验表明，膜计算框架下的混合智能多目标优化算法得到的非支配解集能够较好的逼近真实的Pareto前沿，所提算法在求解多目标优化问题上是可行和有效的。.（2）雷达辐射源信号特征提取与异常脉冲的监测分析.在现代电子战环境中，信号密度越来越大，雷达信号也越来越多地采用复杂调制方式。密集复杂的信号环境会导致脉冲同时或相继到达接收机并重叠或交叠在一起，形成多分量雷达辐射源信号。通过对多分量雷达信号的分析可以获得各信号分量的时域、频域、调制规律和辐射源数目等有用信息。仿真可以看出，对异常脉冲的多分量辐射源信号进行检测和分析，可以提取出有利于分选识别的先验信息，提高分选的准确性。.（3）雷达辐射源信号多目标优化特征选择.高维度的雷达辐射源信号脉内特征数据易影响分选识别的处理速度和可靠性。无论是传统的特征选择算法还是改进算法通常采用主观给定阈值或给定数目选取权值最高的若干项形成新的特征集。而雷达辐射源信号多目标特征选择算法采用了相关度和冗余度两个目标优化雷达信号的脉内特征，实验表明，所选取的特征子集具有更好的分选识别优势。.（4）雷达辐射源信号多目标聚类分选模型研究.结合辐射源信号分选的本质，将聚类有效性指标、特征评价指标和与分选有关的其他评价准则构造成相应的问题模型和多目标函数。通过膜系统的演化计算求解非支配解集，实验表明在不同信噪比环境下，多目标聚类分选算法具有较高的分选有效性、可靠性和时效性。