论文部分内容阅读
随着“第五战场”——电磁战场的开辟,电子战在现代战场环境中的地位越发重要。为了能够更有目的性,更好地实施电子战,使用雷达对敌方目标进行有效的检测和跟踪是前期必不可少的工作,而且为了满足日益增长的作战需求,传统的单源数据跟踪已渐渐被效果更加优秀的多源数据融合跟踪所替代。此外,电子对抗作为电子战的主要组成部分,其中的电子侦察领域所涉及的辐射源识别等问题也是当前电子战的研究热点,而且对于我们后续作战中的精确干扰和防御起着至关重要的作用。因此本文以电子战为主体,对于电子战前的目标跟踪问题,我们研究了多源异构数据融合跟踪。对于作为电子战先导的电子侦察部分,针对一些具体场景条件,我们研究了雷达辐射源识别和雷达工作模式识别。首先,提出基于多尺度的单目标三源异构数据融合跟踪方法。针对在某些情况下能够获得的激光、红外和毫米波雷达这三源异构传感器的跟踪数据,基于多尺度思想,根据多种异构传感器的采样频率的差别建立多尺度模型,依次进行滤波、集中式和分布式的融合,完成对单目标的有效跟踪。其次,提出基于SSAE与LightGBM的雷达辐射源识别方法和基于CFSFDP的雷达工作模式识别方法。针对在电磁战场中可能获得的多种雷达辐射源对应的多种雷达工作模式脉冲信号进而构成的复杂未知雷达脉冲信号环境,首先使用提出的基于SSAE与LightGBM的特征提取和分类框架对雷达脉冲信号模糊调制特征提取深度特征并进行分类,很好地完成对雷达辐射源的初步识别。然后基于上一步对雷达辐射源的识别结果,使用改进的CFSFDP算法对同种雷达辐射源的不同雷达工作模式进行二次聚类划分,达到对雷达工作模式的有效识别。最后,提出基于GANs的雷达工作模式样本数据增强方法和基于神经网络模糊决策融合的雷达工作模式识别方法。在对雷达脉冲组序列进行建模的基础上,首先针对在电磁战场中可能获得的样本不平衡的雷达工作模式样本数据,采用GANs对不平衡样本数据进行增强。然后针对复杂电磁环境中环境噪声误差引起的参数交叠问题,提出MRNN-FDF识别框架,其综合考虑雷达脉冲组序列的整体和时序特性,利用MLP和RNN进行识别,再对决策结果进行模糊化并使用D-S证据理论进行融合从而给出最终决策,完成对雷达工作模式的有效识别。