基于PDW 的雷达情报处理及算法训练系统设计

张 鸿,宋新超

(中国船舶重工集团公司第七二三研究所,江苏 扬州225101)

0 引 言

雷达脉冲描述字(PDW)[1]数据是最重要的侦察原始情报数据之一。随着雷达技术的迅猛发展,雷达工作体制的多样化、复杂化以及各种体制的综合利用,电子对抗面临着越来越复杂的电磁环境[1]。特别是多功能雷达、相控阵雷达、低截获概率雷达的普遍应用,隐藏在PDW数据中的雷达多模式信息、样式关联信息以及雷达促发脉冲信息等越来越容易被忽视或难以发现。因此研究PDW情报数据系统,利用图形化、数据分层挖掘、历史追溯以及“人在回路”等分析手段,全面获取战场态势情报,不断完善和扩充雷达情报数据库,为后续作战决策提供更加完整的情报支撑。

另外,电子情报系统中,软件算法的改进优化以及新算法的应用,可以在不改变系统硬件的情况下,快速提升设备的侦察性能。本系统通过高精度的PDW回放技术,全真复原战场态势,为信号分选软件算法的改进升级验证、新算法的开发训练提供依据,并逐步建立感知-反馈-处理的闭环模式[2],为电子战认知处理技术[3]打下基础。

1 系统组成

基于PDW的雷达情报处理及算法训练系统以PDW数据“仓库”为中心,通过调用不同的应用软件,实现以下功能:

(1)数据管理;

(2)情报挖掘与历史追溯;

(3)数据重演与算法训练;

(4)基于人机交互的可视化分析。

如图1,本系统的目标是通过建立和完善雷达PDW情报数据库,对PDW信息进行分层挖掘,根据可信度逐层分析,由浅入深,结合历史追溯,全面挖掘雷达样式及关联信息、低截获概率雷达参数特征,形成完整、可靠的雷达电子情报,并以此为依据,通过数据重演,实现对装备软件性能的训练和考核。

图1 系统组成

2 模块设计

2.1 数据管理

本系统数据管理分三部分:PDW数据文件管理、辐射源描述字(EDW)文件管理以及雷达情报库管理,如图2所示。

图2 数据管理

(1)PDW数据文件管理,实现对PDW文件的查询、调用、日志修改、删除等功能;同时可根据算法训练需求,对多个PDW文件在时序上进行合并处理,生成密度更高、场景更复杂的新的态势文件,如图3所示。

(2)EDW文件的管理。每个EDW文件是对相应的PDW文件详细分析后生成的,是对PDW态势中所有辐射源特征的提取和描述。算法训练的结果可与相应的文件对比,以验证算法的性能。

图3 态势合并

(3)对雷达情报库的管理。通过对不同态势的PDW和EDW进行综合分析和数据挖掘后,形成较为完善可靠的雷达情报数据库,可作为雷达识别软件算法训练的依据。

2.2 情报挖掘与历史追溯

传统电子战情报获取采用“基于实验室”和“瞬间处理方式”等方式,带来了以下问题:

(1)“基于实验室”:这种方式是在实验室下通过技术人员来提取相关雷达情报数据,提取的水平完全取决于人员的技术水平以及投入程度,处理速度慢,效率低。这样获取的特征具备不确定性,且由于特征提取方法中不可避免地会带入人的主观性和猜测性,影响情报的准确性。

(2)“瞬间处理方式”:传统电子战系统数据处理采用“瞬时处理方式”,造成了雷达情报信息“上下文不关联”,“与历史无关联”,损失了情报之间的内在联系。

研究情报挖掘技术,为了解决目前“基于实验室”所带来的问题,通过对PDW信息分层挖掘计算的研究,将各个历史的雷达情报数据根据可信度逐层分析,由浅入深,全面挖掘雷达样式信息、低截获概率雷达信息,形成雷达电子情报信息。通过智能方法的引入,可以对提取出的特征进行分析和评价,从中选择出最有效的特征。接下来从流程的角度对数据挖掘[4]加以说明。

图4 情报挖掘流程图

由图4可知,数据挖掘的过程可以大致分为6步:

(1)分析任务:从雷达信号处理的角度理解目标和需求,将其转换为数据挖掘问题,设计达到目标的计划。

(2)理解数据:在这一步里,需要对雷达信号数据做收集、描述、探索、质量验证等工作。

(3)预处理:将输入的雷达数据加以转换、清洗、选择、规范等操作,目的是获得更适合处理的雷达信号形式。

(4)数据挖掘:选择和应用各种挖掘工具对雷达信号数据进行处理并建模,挖掘出数据中蕴藏的信息,以知识的形式给出。

(5)评估:对挖掘结果进行评估,检查挖掘步骤,确认目标的实现效果。该步骤需要结合可视化、模式表示、模式过滤等手段进行,还可能需要使用统计度量、假设检验等方法来删除虚假的挖掘结果。

(6)部署:该步骤中,可以是直接将挖掘得到的知识投入接下来其它环节的使用,也可以是只生成1份报告,用于人工分析。

雷达情报历史追朔技术是根据已知雷达目标参数信息,在已有的PDW数据仓库中进行查询,获取原始PDW数据,分析其历史出现时间、持续时间、出现频次、出现方位等信息。使得“瞬时处理方式”不再孤立而是有知识库的支撑。由于知识库的支撑,对于多功能雷达、相控阵雷达的工作方式可以更好地分析,从而实现雷达信号的自动分类识别,进一步揭示数据中隐藏的特征模式,展示时间相关的变化规律和趋势,从而使电子战系统具备认知能力。

2.3 数据重演与算法训练

以往通常采用单一的雷达数字信号模拟器对情报处理软件算法进行评估,由于雷达数字信号模拟器模拟的PDW数据是没有噪声污染的理想数据,与真实战场环境相差甚远,训练出来的软件根本无法适应真实战场复杂环境。本系统利用采集的PDW数据以及雷达情报数据库的数据支撑,可以对情报分析算法进行训练和评估,提高情报软件复杂环境的适应能力,达到算法完善的目的。

常用的算法训练流程如图5所示。首先根据算法训练需求,从PDW数据仓库调用相应的态势文件,按照录取的实际时序节拍将PDW输出给待训练的软件算法。该算法输出的情报数据与雷达情报数据库进行比对,完成算法性能评估,并给出评估结果。待训练软件根据评估结果自适应调节参数,重新训练,直至达到最优性能。

图5 数据重演与算法训练

2.4 基于人机交互的可视化分析

可视化分析[5]是通过人机交互将自动数据处理和可视化方法紧密结合的一种理论,如图6所示,展示了一个典型的可视分析流程图。该流程的起点是输入的数据,终点是提炼得到的知识。从数据到知识有2个途径:交互的可视化方法和自动的数据分析(如数据挖掘)方法。这2个途径的中间结果分别是数据的可视化结果和从数据中提炼的数据模型。用户可以将可视化结果与自动分析得到的模型进行互动,通过调整参数修正模型,以便得到更好的可视化结果。

数据可视化流程的核心要素:

(1)数据的表示与变换数据。可视化的基础是数据表示和变换。为了允许有效的可视化、分析和记录,需要研究有效的数据提炼方法,以最大程度地保持信息和知识的内涵及相应的上下文内容。

图6 可视分析流程图

(2)数据的可视化呈现。将数据以一种直观、容易理解和操纵的方式呈现给用户,需要将数据转换为可视表示并呈现给用户。数据可视化向用户传播了信息,而同一数据集往往可能对应多种视觉呈现形式,即视觉编码。数据可视化的一个核心内容是从巨大的呈现多样性空间中选择最合适的编码形式。

基于人机交互的可视化分析技术是更细致、更全面、更深层次的情报分析方法,结合了“人在回路”的设计思想,对常规分选后遗留的碎片化的PDW数据进行人工辅助分析,甄别是否为噪声信号,而往往正是这些看似噪声的碎片化的离群点、奇异点掩藏着重要的情报信息。

3 结束语

本文对基于PDW的雷达情报处理及算法训练系统进行了详细介绍,对主要功能模块的设计思想进行了详细说明。该系统综合运用了多种情报提取手段,能够获取更为完善和全面的雷达情报信息,对新算法软件的开发、现役装备软件的改进升级具有重要的指导意义,为电子战系统发展“认知、学习和自适应”能力奠定了基础。