辐射源个体识别技术的发展现状及应用建议

电子信息对抗技术
Electronic Information Warfare Technology
2019,34(4)
中图分类号:TN971.1 文献标志码:A 文章编号:1674-2230(2019)04-0040-04
收稿日期:2019-05-16;修回日期:2019-06-11作者简介:刘博(1977 ),男,博士,工程师㊂
辐射源个体识别技术的发展现状及应用建议
刘　博
(海军91001部队,北京100063)
摘要:辐射源个体识别(SEI )作为最重要的非合作识别手段,在传统分选识别技术很难处理的新型多功能雷达的目标识别领域表现出优异性能,在国外已经得到长期发展和广泛应用㊂首先介绍了美国在SEI 领域多年来的发展脉络,并对我国相关的技术方法进行了梳理和分类㊂最后对未来我军的SEI 发展提出了几点建议㊂关键词:辐射源个体识别;非合作识别;发展建议DOI :10.3969/j.issn.1674-2230.2019.04.008
Development and Application Suggestion on Technology
of Specific Emitter Identification
LIU Bo
(Unit 91001of PLA,Beijing 100063,China)
Abstract :As the most important non-cooperative means,Specific Emitter Identification (SEI)
performs better than traditional technology which is hard to deal with multifunctional radar iden⁃
tification.SEI develops in long term and is widely used abroad.Firstly,the develop venation is introduced in SEI area so many years in USA,and the correlation technology in our country is systemized and stly,several suggestions about development of SEI in the future are proposed.
Key words :specific emitter identification;non-cooperative identificaion;development suggestion
1　引言
一直以来电子侦察识别作为最重要的非合作识别手段,在战场目标识别中发挥着不可替代的作用㊂电子侦察识别通过测量雷达重复周期㊁载频㊁脉宽㊁幅度等信号参数,处理后识别雷达型号㊁工作模式等目标信息,掌握电磁态势㊂然而随着雷达技术的迅猛发展,新型多功能雷达的信号样式变得越来越复杂,信号参数呈现出多变和不同模式间的参数交错,基于传统的电子侦察识别方法对于目标的识别变得愈加困难㊂不仅如此,为了能够准确地对目标进行干扰㊁打击,必须做到在
目标集群条件下个体的区分,并能给出有效㊁实时战术决策,需要得到具有针对性的个体信息㊂为此,辐射源个体识别(SEI)技术应运而生,它能够准确提供有关敌方雷达配置㊁调动等重要的军事情报,具有广泛的应用前景㊂
辐射源个体识别(SEI)技术利用雷达自身的无意调制信息对个体进行识别㊂SEI 装备可以接收远距离信号,具有识别准确率高㊁可全天时全天候工作等技术优势,可与其它识别手段相互配合,能够识别同型雷达的不同个体,具有对雷达辐射源唯一性识别的能力㊂
4
电子信息对抗技术㊃第34卷2019年7月第4期
刘　博
辐射源个体识别技术的发展现状及应用建议
2　国外发展脉络
二战期间对于电报按键的识别可以作为个体识别的最早需求之一㊂美军SEI 技术的发展一直受到多部门机构重视,在不同时期的关键节点都有政府机关参与推动技术发展㊂
2.1　美军技术发展与试验
20世纪60年代后,美军为实现 对某一特定
移动通信信号发射系统的识别㊁跟踪和定位”这一目标,对辐射源识别提出要求,并逐步发展形成SEI 的概念㊂美国海军研究实验室(NRL)是美国海军科研项目和先进技术开发的重要研究机构,
早在1977年,便开始了SEI 技术的研究㊂在1986年,美国国防部制定 基于观测与特征的智能情报分析体系”(measurement and signature intelli⁃gence,MASINT),明确提出对射频辐射源个体的供电子系统㊁开关子系统的无意调制中所蕴含的特征进行研究㊂1993年,美国国家安全局意识到NRL 工作的重要性,开展了深入的研究,邀请多家来自工业和军方的实验室制定国家标准㊂之后,美国SEI 装备技术发展进入了快速阶段㊂
美军针对SEI 装备和算法不断升级改进,并开展了一系列试验验证工作㊂1996年,美国海军进行的先进电子战技术项目(AEWT)中,SEI 技术是其研究的关键内容㊂后来,美国军方将改进的UYX-4SEI 系统搭载到TacSat-1进行测试试验,在TacSat-2上,通过进一步改进SEI 载荷并增加AIS 载荷等进行了目标识别试验,SEI 星载试验的成功标志着小型化㊁高可靠性装备研制走向成熟,如图1所示
㊂
图1　TacSat-2载荷
美国军方2002年进行的 千年挑战”(MC -
02)演习,作为SEI 设备能力以及军方一体化能
力的典型的验证试验,意在测试军队未来面向网络中心战,使用更先进的武器和战术的能力,如图
2示㊂2009年,在 三叉戟勇士2009”演习中,NRL 的 海上节目”项目得到好评,改进后的AN /SSX-1系统,展示了更高精度的定位和识别能力㊂美军于2004年设立 Specific Emitter ID”项目,目的是打造海陆空立体全方位SEI 侦察网络系统,实现信息融合与共享,这个项目一直持续到2016年
㊂
图2　美军 千年挑战2002”演习示意图
2.2　美军列装装备示例
美军一直高度重视对SEI 设备应用,联合包括Northrop Grumman㊁洛马㊁Condor㊁通用㊁Litton 等公司,在美军所有武装部队的船只㊁飞机㊁潜艇㊁卫星和地面平台上都已经安装SEI 设备㊂
Northrop Grumman 公司一直与美国政府和海
军进行密切合作㊂2003年,NRL 与洛马公司对安装了ALQ-217ESM 系统的E-2C 预警机进行SEI 升级改造,并推广至最新的改进型E-2C 鹰眼2000”和E-2D 预警机;2004年对P-3C 换装ALR-95ESM 系统,使其具备了SEI 能力㊂美国海军的新型广域海上无人机监视系统MQ-4C(基于RQ-4 全球鹰”平台)上的AN /ZLQ-1ESM 系统也具有SEI 功能的㊂
洛马公司多次对美国海军新一代潜艇电子战系统AN /BLQ-10(V)系列进行升级改造(最近一次是2019年),并在窄带侦察分系统中集成SEI 设备,使其具备全频段侦察定位和SEI 能力㊂
Condor 公司1995年与NRL 共同开发了SP-
110信号处理器,同年6月被美国国家安全局确定为进行UMOP 采集的标准设备㊂
1
4
刘　博
辐射源个体识别技术的发展现状及应用建议
投稿邮箱:dzxxdkjs@
美国海军通过Shipboard EW Improvements项目研发的AN/SSX-1系统满足了水面舰艇SEI能力需求,2002年被通用公司用于 水面电子战改进项目”(SEWIP)㊂
由Litton公司研发的AN/SLQ-32(V)系统广泛用于美国海军的水面舰艇,70年代开始列装,后经不断改进,已具备SEI能力㊂
通过与技术实力强大的企业联合,美军持续推动SEI技术和装备发展,并同步对现役装备进行升级改造,实现了技术能力与实战能力的结合与提升㊂
3摇国内技术研究情况
我国在SEI技术研究方面起步较晚,目前SEI技术基础理论研究单位主要有国防科技大学㊁西安电子科技大学等高校和有关研究院所㊂技术研究方面可分为细微特征提取和分类器的设计㊂传统的特征提取是基于脉冲参数如PRI㊁RF 等和信号的样式匹配,这些量化后的特征无法精细表达个体差异;传统的分类器的设计是基于门限,而基于个体的信号差异很小,明显传统的门限设计已经无能为力㊂
目前,典型的基于 指纹”特征方法包括:基于信号脉冲包络等常规检测方法,基于信号高阶谱㊁双谱㊁小波包分解等变换域方法㊁基于雷达模糊函数的特征统计方法等㊂对分类器的研究也取得了一定程度的进展,包括求基于原始数据的数据库规律的统计方法㊁SVM等机器学习方法等㊂ 指纹”特征的提取是实现个体识别最重要的环节㊂我们知道 指纹”特征产生原因主要是由于内部器件的电路特性㊁内部噪声特性等的细微差别,导致在发射信号上的无意调制㊂叶浩欢等在考虑多普勒效应的条件下,对工程中常用的脉内无意调频与无意调相特征进行了可分性比较,仿真实验以及多个实测雷达的个体识别试验结果显示,脉内无意调相特征对噪声的鲁棒性相对更强[1]㊂这为研究无意调制的个体识别提供了实验例证㊂例如,梁红等提出了基于调频指数特征的通信辐射源个体识别算法,利用调频指数参数的变化状态来识别辐射源[2]㊂一般情况下,不同的辐射源个体的频率稳定度也不尽相同,足够时间的信号测量可以得到频率的稳定度值,汪勇等在短时频率稳定度特征分析的FSK信号个体识别中就是利用了信号稳定度特征[3]㊂王磊等提出了基于模糊函数子空间特征优化的个体识别方法,对无意调制的雷达辐射源信号的进行模糊函数分析提取特征[4];王宏伟等提出基于脉冲包络前沿高阶矩特征的辐射源个体识别方法,以脉冲包络前沿波形的高阶矩特征作为辐射源的 指纹”特征,进行雷达辐射源个体识别[5];梁红海提出了一种基于经验模态分解通信辐射源个体识别方法,采用EMD方法提取杂散成分的频域特征作为信号的细微特征,运用支持向量机对多个通信辐射源个体进行分类识别[6]㊂
总结以上方法的特点,一方面有些算法需要知道信号调制信息等先验知识,单个特征的使用往往不能完整表征辐射源个体信息;另一方面,有些特征在实际环境中可能容易受外部噪声或应用条件影响,必须对信号强度㊁环境信噪比㊁信号密度和质量等提出要求,限制条件较多;还有,不同的特征之间有重叠性也有互补性,应用时很难把握这些特征之间这种动态的㊁复杂的使用条件㊂对分类器的研究也有很多,如统计决策㊁模糊判决㊁神经网络㊁模式库匹配等机器学习方法,这些方法通过对历史数据的学习,自动总结个体间的信号差异实现个体识别,发现数据模式规律㊂陈沛铂等利用动态时间规整算法能够消除弯折现象所带来的不良影响,实现瞬时幅度以及瞬时频率的距离测度,实现雷达辐射源个体识别[7];史亚等利用机器学习提出一种基于核层面信息融合的雷达辐射源个体识别框架,获取支持向量机的分类超平面,最终实现对辐射源信号的分类[8];杨立明等提出先使Fisher判别主成份分析进行预选和降维,使用支持向量机进行训练识别,构建了可以识别辐射源威胁差异的分类器[9];蔡忠伟等采用选择双谱作为个体识别的基本特征向量,并融合了对分类具有显著贡献的辐射源特征参数,采用径向基神经网络分类器实现了对通信辐射源信号的个体分类识别[10]㊂
设计分类器实现简单,识别速度快,但是其缺点是对先验知识的依赖性很强,对于参数不全㊁参数畸变等许多新体制的雷达无能为力;利用专家
24
电子信息对抗技术㊃第34卷
2019年7月第4期刘　博
辐射源个体识别技术的发展现状及应用建议
系统的分析经验来形成的推理规则的识别技术,需要专家深入地对海量数据分析,处理结果就有较强的主观性,并对处理的实时性带来影响,不利于一体化建设㊂
4　研究建议
鉴于以上现状,对后续的发展和研究有以下方面的需求和建议㊂
4.1　SEI数据标准
单个设备作用范围和侦察的目标有限,多个装备的海量数据联合应用㊁并协同工作成为今后的发展趋势㊂为了能够保证不同设备间数据及时地共享㊁数据库互联互通,必须需要一个统一的算法架构㊁数据格式㊁通信标准,保证识别结果的实时性和准确性㊂统一的软硬件处理架构还可以降低研制成本和后期维护成本,并进一步做到设备维护的规范,包括采用标准总线㊁标准接口等,物理尺寸能够兼容和互换㊂
4.2　数据库的建立和管理
基于海量数据统一构建的数据库利于多装备一体化和高效的识别㊂装载在不同平台上的各种传感器获得了海量的目标数据,建立一套完整㊁流畅㊁高效的处理和管理方法,使得这些数据准确㊁全面地得到分析和标注,进而积淀成为可以普及应用的识别库和知识库,对于应用来说是极其重要的一环㊂同时,还需要统一维护数据库的标准㊁并制定灵活㊁开放㊁兼容性强的数据库规范,因为对于数据库管理,不同规则库间的融合开销很大,统一的数据库建立㊁修改㊁排列和融合等管理体系可以使得查找㊁匹配和关联的效率大大提高㊂4.3　与人工智能技术的结合
除了数据库构建㊁新特征的提取和分类器的设计对SEI设备性能影响极大,现有识别模型也存在特征分类性能不稳定㊁适应性不足问题㊂如前文所述,只有结合更多特征才能在复杂电磁环境中完备地表示个体信息,设计更加针对性的机器学习方法㊂深度学习方法已经在图像检测识别领域取得十分显著的成果,应用广泛,而在SEI领域由于输入数据和信号产生机理的不同,还没有有效地进行实践㊂因此,利用基于原始数据的深度学习方法提取更多信号特征,是未来解决大数据处理和消除冗余的关键,具有十分巨大的潜在价值㊂
5　结束语
本文介绍了辐射源个体识别(SEI)起源,国外SEI技术研究㊁装备发展及国内技术研究现状,综述了目前SEI装备在细微特征提取㊁分类器设计方法及识别算法等方面存在的问题,最后提出SEI技术发展研究建议,希望对相关技术人员的研究和实际解决问题提供帮助㊂
参考文献:
[1]　叶浩欢,柳征,姜文利.考虑多普勒效应的脉冲无意
调制特征比较[J].电子与信息学报,2012,34
(11):2654-2659.
[2]　梁红,骆振兴,楼才义.基于调频指数特征的通信
辐射源个体识别[J].杭州电子科技大学学报,
2011,31(4):77-79.
[3]　汪勇,段田东,刘瑞东,等.短时频率稳定度特征分
析的FSK信号个体识别[J].太赫兹科学与电子
信息学,2013,11(6):880-885.
[4]　王磊,姬红兵,史亚.基于模糊函数特征优化的雷达
辐射源个体识别[J].红外与毫米波学报,2011,
30(1):74-79.
[5]　王宏伟,赵国庆,王玉军.基于脉冲包络前沿高阶
矩特征的辐射源个体识别[J].现代雷达,2010,
32(10):42-45.
[6]　梁江海,黄知涛,袁英俊,等.一种基于经验模态分
解的通信辐射源个体识别方法[J].中国电子科学
研究院学报,2013,8(4):393-397.
[7]　陈沛铂,李纲.辐射源个体识别中的模板分段寻优
算法[J].现代雷达,2016,38(3):43-46. [8]　史亚,姬红兵,朱明哲,等.多核融合框架下的雷达
辐射源个体识别[J].电子与信息学报,2014,36
(10):2484-2490.
[9]　杨立明,哈章,杨晓蓉,等.辐射源个体识别中分类
器应用[J].空军工程大学学报(自然科学版),
2012,13(1):28-32.
[10]　蔡忠伟,李建东.基于双谱的通信辐射源个体识
别[J].通信学报,2007,28(2):75-79.
34。