一种基于DS规则的多属性信息加权融合目标识别方法技术

本发明专利技术公开了一种基于DS规则的多属性信息加权融合目标识别方法，包括获取雷达辐射源信号，并提取出对应的数据信号；以数据信号作为输入信息，基于EKNN分类器确定所述数据信号的分类结果；根据数据信号的分类结果，确定雷达辐射源信号的类型；本发明专利技术通过EKNN分类器为雷达辐射源信号对应的数据信号进行分类时，为每个数据信号对应的类别中的维度属性赋予权重值，区别的利用每个类别的不同雷达信号属性，对与数据信号分类结果影响度较大/较小的雷达信号属性赋予较高/较低的权重值，使得各雷达信号属性对不同数据信号类别具有不同的影响，可以有效提升数据信号分类的准确性，进而提升雷达辐射源信号的分类准确性。而提升雷达辐射源信号的分类准确性。而提升雷达辐射源信号的分类准确性。

【技术实现步骤摘要】
一种基于DS规则的多属性信息加权融合目标识别方法


[0001]本专利技术属于计算机
，尤其涉及一种基于DS规则的多属性信息加权融合目标识别方法。

技术介绍

[0002]雷达就是用无线电波来判断物体方位的一种设备。利用雷达可以探测飞机、舰艇等军事目标，此外，它还可以用来为飞机导航，可以用来研究星体，探测台风，雷雨等突变的天气，总之，雷达的用途是非常广泛的。
[0003]雷达在许多领域都扮演者重要的角色，如地面雷达，机载雷达，脉冲多普勒雷达，合成孔径雷达，对空情报雷达，导弹制导雷达，气象雷达等，雷达应用的范围也开始从地面转到海上，并且空中也使用，甚至延伸到太空。所以，雷达已经应用在各个方面，发挥着重要的作用。在战场上截取雷达信号，并根据雷达信号判断雷达类型，进而判断敌方设备类型，进而可以根据敌方设备类型提前进行应对。
[0004]雷达对抗是一种利用特定的电子设备对敌方雷达进行侦察和干扰的技术，通过对敌方雷达的参数和性能进行侦察，获取到敌人的军队情报信息，再利用适当的手段采取相应的措施，这样就可以让敌军雷达的正常战斗能力大大降低，保存了我方军队的实力。那么，如何判断截取的雷达信号属于哪种雷达类型就具有重要意义。常规的判断方法是，根据雷达信号的多重属性进行分类判断，但是该方法出错率较高，精确性低。

技术实现思路

[0005]本专利技术的目的是提供一种基于DS规则的多属性信息加权融合目标识别方法，通过为雷达数据中不同维度属性赋予不同的权重值，提升雷达辐射源的分类准确性。
[0006]本专利技术采用以下技术方案：一种基于DS规则的多属性信息加权融合目标识别方法，包括以下步骤：
[0007]获取雷达辐射源信号，并提取出对应的数据信号；其中，数据信号包含至少两个维度的雷达信号属性；
[0008]以数据信号作为输入信息，基于EKNN分类器确定数据信号的分类结果；其中，通过EKNN分类器进行分类时，为EKNN分类器中每种数据信号对应的类别中的雷达信号属性赋予权重值；
[0009]根据数据信号的分类结果，确定雷达辐射源信号的类型。
[0010]进一步地，权重值的计算方法为：
[0011]构建训练数据集，训练数据集包括不同类型的雷达辐射源信号对应的多个数据信号，以及每个数据信号对应的类别；
[0012]分别计算训练数据集中每个数据信号和其所有近邻的基本信任函数融合值；其中，基本信任函数融合值包含权重值；
[0013]根据基本信任函数融合值构建优化目标函数，求解优化目标函数，得到数据信号
与其近邻之间的欧氏距离；
[0014]根据欧氏距离，确定数据信号对应的类别中的雷达信号属性的权重值。
[0015]进一步地，得到数据信号与其近邻之间的欧氏距离包括：
[0016]根据优化目标函数的解，确定数据信号与其每个近邻的基本信任函数值；
[0017]根据基本信任函数值，确定数据信号与每个近邻之间的欧氏距离。
[0018]进一步地，基于EKNN分类器确定数据信号的分类结果包括：
[0019]将数据信号假设为类别集中的任一类别，分别使用EKNN分类器确定数据信号的子分类结果，直至遍历类别集中的类别，得到多个子分类结果；其中，使用EKNN分类器确定数据信号的子分类结果过程中，为该类别的每个雷达信号属性赋予权重值；
[0020]将多个子分类结果进行融合，确定数据信号的分类结果。
[0021]进一步地，优化目标函数为：
[0022][0023]其中，为由L
t
类别中每个雷达信号属性的权重值组成的向量，λ
t
为欧氏距离系数，q为训练数据集中数据信号的总数，为数据信号x
t
和其近邻数据信号x
k
的基本信任函数值，T
t
为数据信号x
t
的类别真值。
[0024]进一步地，数据信号与其近邻之间的欧氏距离的计算方法为：
[0025][0026]其中，d(x,x
t
)为数据信号x和其近邻数据信号x
t
之间的欧氏距离，为类别为L
t
的第n个雷达信号属性的权重值，x
n
为数据信号x的第n个雷达信号属性值，为数据信号x
t
的第n个雷达信号属性值。
[0027]本专利技术的另一种技术方案：一种基于DS规则的多属性信息加权融合目标识别装置，包括：
[0028]提取转换模块，用于获取雷达辐射源信号，并提取出对应的数据信号；其中，数据信号包含至少两个维度的雷达信号属性；
[0029]分类模块，用于以数据信号作为输入信息，基于用EKNN分类器确定数据信号的分类结果；通过EKNN分类器进行分类时，为EKNN分类器中每种数据信号对应的类别中的雷达信号属性赋予权重值；
[0030]第一确定模块，根据数据信号的分类结果，确定雷达辐射源信号的类型。
[0031]进一步地，分类模块包括权重值确定模块，权重值确定模块包括：
[0032]第一构建模块，用于构建训练数据集，训练数据集包括不同类型的雷达辐射源信号对应的多个数据信号，以及每个数据信号对应的类别；
[0033]计算模块，用于分别计算训练数据集中每个数据信号和其所有近邻的基本信任函数融合值；其中，基本信任函数融合值包含权重值；
[0034]第二构建模块，用于根据基本信任函数融合值构建优化目标函数，求解优化目标
函数，得到数据信号与其近邻之间的欧氏距离；
[0035]第二确定模块，用于根据欧氏距离确定数据信号对应的类别中的每个雷达信号属性的权重值。
[0036]本专利技术的另一种技术方案：一种基于DS规则的多属性信息加权融合目标识别装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项的一种基于DS规则的多属性信息加权融合目标识别方法。
[0037]本专利技术的另一种技术方案：一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任一项的一种基于DS规则的多属性信息加权融合目标识别方法。
[0038]本专利技术的有益效果是：本专利技术通过EKNN分类器为雷达辐射源信号对应的数据信号进行分类时，为每个数据信号对应的类别中的维度属性赋予权重值，区别的利用每个类别的不同雷达信号属性，对与数据信号分类结果影响度较大/较小的雷达信号属性赋予较高/较低的权重值，使得各雷达信号属性对不同数据信号类别具有不同的影响，可以有效提升数据信号分类的准确性，进而提升雷达辐射源信号的分类准确性。
附图说明
[0039]图1为本申请实施例提供的一种基于DS规则的多属性信息加权融合目标识别方法的流程示意图；
[0040]图2为本申请一实施例提供的权重值的计算方法的流程图；
[0041]图3为本申请实施例提供的一种基于DS规则的多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DS规则的多属性信息加权融合目标识别方法，其特征在于，包括以下步骤：获取雷达辐射源信号，并提取出对应的数据信号；其中，所述数据信号包含至少两个维度的雷达信号属性；以所述数据信号作为输入信息，基于EKNN分类器确定所述数据信号的分类结果；其中，通过所述EKNN分类器进行分类时，为所述EKNN分类器中每种数据信号对应的类别中的雷达信号属性赋予权重值；根据所述数据信号的分类结果，确定所述雷达辐射源信号的类型。2.如权利要求1所述的一种基于DS规则的多属性信息加权融合目标识别方法，其特征在于，所述权重值的计算方法为：构建训练数据集，所述训练数据集包括不同类型的雷达辐射源信号对应的多个数据信号，以及每个数据信号对应的类别；分别计算训练数据集中每个所述数据信号和其所有近邻的基本信任函数融合值；其中，所述基本信任函数融合值包含所述权重值；根据所述基本信任函数融合值构建优化目标函数，求解所述优化目标函数，得到所述数据信号与其近邻之间的欧氏距离；根据所述欧氏距离，确定所述数据信号对应的类别中的雷达信号属性的权重值。3.如权利要求2所述的一种基于DS规则的多属性信息加权融合目标识别方法，其特征在于，得到所述数据信号与其近邻之间的欧氏距离包括：根据所述优化目标函数的解，确定所述数据信号与其每个近邻的基本信任函数值；根据所述基本信任函数值，确定所述数据信号与每个近邻之间的欧氏距离。4.如权利要求3所述的一种基于DS规则的多属性信息加权融合目标识别方法，其特征在于，基于EKNN分类器确定所述数据信号的分类结果包括：将所述数据信号假设为类别集中的任一类别，分别使用EKNN分类器确定所述数据信号的子分类结果，直至遍历所述类别集中的类别，得到多个所述子分类结果；其中，使用EKNN分类器确定所述数据信号的子分类结果过程中，为该类别的每个雷达信号属性赋予权重值；将多个所述子分类结果进行融合，确定所述数据信号的分类结果。5.如权利要求2或3或4所述的一种基于DS规则的多属性信息加权融合目标识别方法，其特征在于，所述优化目标函数为：其中，为由L
t
类别中每个雷达信号属性的权重值组成的向量，λ
t
为欧氏距离系数，q为训练数据集中数据信号的总数，为数据信号x
t
和其近邻数据信号x
k
的基本信任函数值，T
t
为...

【专利技术属性】
技术研发人员：刘准钆，张希娟，潘泉，程咏梅，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：