(江南机电设计研究所,贵阳 550009)
摘要:针对高功率微波新质防空武器融入防空体系后对目标类型细化分类识别的需求,设计了一种可工程应用的、基于灰色关联度计算的目标类型分类识别方法,并进行了仿真验证。
关键词:目标类型识别;灰色关联度;高功率微波
1. 引言
当前防空作战指控系统主要能区分识别固定翼、直升机、巡航弹、空地弹等类型目标,识别的概率不高。而高功率微波这种新质武器已出现在国内外的试验验证和作战使用中,但该武器与传统的防空导弹武器不同,其主要通过电磁脉冲使来袭目标的电子设备失能、失效或损坏的方式来拒止、毁伤目标[1]。因此,高功率微波武器融入防空体系后,主要承担对目标类型为电子侦察机、电子干扰机、无人机蜂群,以及制导炸弹、反辐射弹等的毁伤任务,相对于防空导弹武器,其对目标识别的要求更细,如对固定翼,需能进一步区分为电子侦察机、电子干扰机、作战飞机,弹药类目标要能区分是巡航弹、制导炸弹、反辐射弹,以及蜂群无人机这种具有“低慢小”和集群特征的目标。
而当前目标类型的细化识别存在两个难点:一是基于现有防空系统探测信息,对细化目标类型可区别于其它类型的特征量挖掘困难;二是新增异构特征量综合处理困难,需要在大量情报信息的收集与分析基础上,从各探测分系统送来的侦察、探测、跟踪和成像等信息中挖掘可用于目标类型识别的特征量。
本研究针对上述目标类型细化识别的需求和问题,综合考虑防空体系的情报探测系统所能提供的信息,设计了一种基于灰色关联度计算的目标类型分类识别方法,并进行了仿真验证。
2. 方法设计
基于灰色关联度计算的目标类型分类识别方法主要从目标特征参数提取和目标类型分类识别两方面开展设计。在目标特征提取方面,采用Kalman滤波和高阶累积量检测方法实现对目标抛物特征提取,并利用目标飞行航迹参数、结合电视探测设备的视频信息获得目标群特征,结合外情报和制导雷达对目标的捕获跟踪情况获得目标的干扰、隐身等其它特征。在目标类型分类识别方面,采用灰色关联分析法完成对目标类型的分类识别,其中灰色关联分析法使用的各目标类型特征指标的权重系数通过专家评估结合蒙特卡洛方法、智能算法训练获得,具体为:
(1)构建目标特征数据:通过查阅文献和情报收集等方式,基于现有探测系统获取的探测信息,构建不同类型目标特征数据。
(2)目标特征参数提取:提取包括目标航迹参数、群特征、抛物特征等目标飞行特征,以及RCS参数、干扰和隐身特征等目标探测跟踪特征:
RCS参数、群、干扰和隐身特征都可通过各探测系统输出的探测信号、跟踪信息、侦查和视频信息,并结合外情报信息综合获得;目标航迹参数(目标飞行高度、飞行速度等)可通过对目标航迹测量信息计算获得;
目标抛物特征提取使用匀加速运动模型作为Kalman滤波中的目标运动状态方程,并结合高阶累积量检测方法,检测目标航迹是否偏离目标匀加速运动轨迹(即是否具有抛物线运动特征)来完成。
(3)目标类型分类识别:根据不同类型目标特征数据和目标特征提取结果,通过采用灰色关联分析法[2]进行目标类型分类识别。该方法包含目标特征数据库构建、特征权重系数的训练确定、灰色关联度计算和目标类型最终确认等过程。
3. 仿真验证
本节针对目标类型细化分类识别需求:识别固定翼、直升机、巡航弹、空地弹、战术导弹、制导炸弹、蜂群无人机、反辐射弹、电子干扰机、支援侦察机等10种类型,对上述基于灰色关联度计算的目标类型分类识别方法进行了仿真验证。
首先,本次仿真使用的特征参数和数值见表1,主要通过查阅文献和情报收集等,结合专家经验构建。
其次,通过智能训练获得各类目标特征参数的权重系数。采用蒙特卡洛方法,生成1000组目标训练数据,其中目标类型按均匀分布随机产生,各目标类型的速度、高度、RCS参数按正态分布随机产生,各目标类型下其它特征值按0-1分布随机产生。智能训练算法选择遗传算法,其中种群大小100、交叉概率0.5、变异概率0.5、变异步长因子0.5、迭代次数上限2000。训练获得特征参数权重系数见表2。
表1 不同目标类型对应各特征参数值
类型 | 速度 | 高度 | RCS | 抛物 | 群 | 自卫干扰 | 拖曳干扰 | 支援干扰 | 隐身 |
固定翼 | 0.1~0.75 | 0.05~27 | 0~0.02、0.04~0.06、0.4~0.6、1.5~2.5 | 0 | 0 | 0 | 0 | 1 | 1 |
直升机 | 0~0.085 | 0.05~6 | 4.5~5.5 | 0 | 0 | 0 | 0 | 0 | 0 |
巡航弹 | 0.16~0.3 | 0.03~0.12 | 0.1~0.3 | 1 | 1 | 0 | 0 | 0 | 1 |
空地弹 | 0.3~0.9 | 0.05~25 | 0.1~0.2 | 1 | 0 | 0 | 0 | 0 | 0 |
战术导弹 | 1~1.8 | 10~135 | 0.1~0.3 | 1 | 0 | 0 | 0 | 1 | 0 |
制导炸弹 | 0.1~0.3 | 0.05~25 | 0.1~0.3 | 1 | 1 | 0 | 0 | 0 | 0 |
蜂群无人机 | 0.02~0.04 | 0.02~1 | 0.1~0.3 | 0 | 1 | 0 | 0 | 0 | 0 |
反辐射弹 | 0.3~0.9 | 0.05~25 | 0~0.02 | 1 | 0 | 0 | 0 | 0 | 0 |
电子干扰机 | 0~0.6 | 0.05~27 | 0~5 | 0 | 0 | 1 | 1 | 1 | 0 |
支援侦察机 | 0~0.3 | 0.05~15 | 0~5 | 0 | 0 | 0 | 0 | 1 | 0 |
表2 训练后的权重系数
类型 | 速度权重系数 | 高度权重系数 | RCS参数权重系数 | 抛物特征权重系数 | 群特征权重系数 | 自卫干扰权重系数 | 拖曳干扰权重系数 | 支援干扰权重系数 | 隐身特征权重系数 |
固定翼 | 0.051 | 0.073 | 0.02 | 0.074 | 0.101 | 0.224 | 0.119 | 0.121 | 0.217 |
直升机 | 0.088 | 0.104 | 0.081 | 0.038 | 0.136 | 0.15 | 0.172 | 0.033 | 0.198 |
巡航弹 | 0.1 | 0.227 | 0.042 | 0.024 | 0.029 | 0.379 | 0.049 | 0.034 | 0.116 |
空地弹 | 0.073 | 0.488 | 0.192 | 0.03 | 0.016 | 0.064 | 0.069 | 0.024 | 0.044 |
战术导弹 | 0.206 | 0.036 | 0.038 | 0.026 | 0.088 | 0.094 | 0.142 | 0.083 | 0.287 |
制导炸弹 | 0.248 | 0.305 | 0.042 | 0.035 | 0.014 | 0.14 | 0.13 | 0.03 | 0.056 |
蜂群无人机 | 0.153 | 0.096 | 0.072 | 0.147 | 0.121 | 0.157 | 0.148 | 0.074 | 0.032 |
反辐射弹 | 0.08 | 0.161 | 0.175 | 0.032 | 0.087 | 0.109 | 0.064 | 0.231 | 0.061 |
电子干扰机 | 0.026 | 0.161 | 0.136 | 0.156 | 0.109 | 0.023 | 0.1 | 0.057 | 0.232 |
支援侦察机 | 0.185 | 0.068 | 0.127 | 0.167 | 0.086 | 0.119 | 0.111 | 0.05 | 0.087 |
最后,采用蒙特卡洛方法,随机生成10000个目标数据,通过对特征参数的灰色关联度计算对10000个目标进行了类型分类识别,结果为对固定翼、直升机、巡航弹、空地弹、战术导弹、制导炸弹、蜂群无人机、反辐射弹、电子干扰机、支援侦察机的识别正确率分别为0.378、0.976、0.851、0.761、0.994、0.908、0.970、0.984、0.978、0.988,综合识别正确率为0.88。
4. 结束语
为有效发挥高功率微波武器融入防空体系后对不同类型目标的作战能力,本文设计了一种基于灰色关联度计算的目标类型分类识别方法,并进行仿真验证。仿真结果表明该方法识别的目标类型多、识别概率高,且结合了防空体系现有情报探测系统所能提供的信息,可应用在高功率微波武器的指控系统中。
参考文献:
[1]高嘉景.一种新型电子战武器——高功率微波武器[J].舰船电子对抗,2004,27(2):11-14.
[2]刘思峰,郭天榜.灰色系统理论及其应用(第三版) [M],科学出版社,2004.