雷达辐射源分类识别方法综述*
金 秋**1a，王宏艳1b，马方方2
【摘 要】阐述了雷达辐射源识别研究的必要性，详细介绍了现有雷达辐射源基本分类识别方法，系统梳理了现有分类识别技术的优缺点，合理分析了多、大且杂的电磁环境下雷达辐射源识别研究趋势，提出将深度学习与雷达辐射源识别全面结合，实现雷达辐射源识别智能化。 【期刊名称】电讯技术 【年(卷),期】2019(059)003 【总页数】9
【关键词】雷达辐射源识别；分类识别；深度学习；智能化 开放科学(资源服务)标识码(OSID)：
引用格式：金秋，王宏艳，马方方.雷达辐射源分类识别方法综述[J].电讯技术，2019,59(3):360-368.[JIN Qiu,WANG Hongyan,MA Fangfang.An overview of
radar
emitter
classification
and
identification
methods[J].Telecommunication Engineering,2019,59(3):360-368.] 修回日期：2018-08-15
1 引 言
电子战主要目的是夺取电磁空间的控制权，也就是制电磁权。雷达辐射源识别(Radar Emitter Identification/Recognition，REI/RER)技术是电子战中至关重要的一部分，是电子支援措施(Electronic Support Measures,ESM)的核心和雷达对抗系统中的关键技术。雷达辐射源识别技术的水平制约着整个雷达对抗系统的水平，其识别结果的有效性和准确性会直接影响形势的判断和决策的
调整。随着现代雷达辐射源的发展，以相控阵雷达为代表的新体制雷达越来越多，电磁环境日益复杂，辐射源交错程度高，信号密度与日俱增，已经达到每秒数百万脉冲[1]。复杂电磁环境使现有的雷达辐射源识别技术面临庞大的数据和繁杂的形式。本文在介绍了现有的雷达辐射源识别技术的基础上，针对性梳理了雷达辐射源识别技术分类识别算法，探究用智能化的技术挖掘数据信息以解决目前所遇困难的可行性。
2 雷达辐射源识别技术
雷达辐射源识别(Radar Emitter Identification,REI)技术主要通过对雷达辐射源信号参数和特征进行处理，依据辐射源的特征和分类器实现辐射源的分类识别，在此基础上确定该辐射源的信息，为下一步态势评估、威胁估计和决策调整提供依据。REI根据传感器信息源个数不同，可分为单信息源REI和多信息源REI[2]。单信息源REI技术在处理流程上包括参数测量及辐射源信号预处理、特征提取、分类识别三部分，如图1所示。参数测量及辐射源信号预处理是REI的基础，处理流程中的核心部分是特征提取和分类识别。
多信息源REI技术又称为辐射源融合识别技术，由多组单传感器信息源REI处理流程在不同层级进行融合实现决策。根据融合处理层级不同，分为数据层融合、特征层融合和决策层融合[3]，如图 2所示。
多信息源REI中的融合处理部分以提高辐射源分类识别效果为主要目的，所以可以将其归类为分类识别环节[4]。
特征提取和分类识别是REI技术的两个关键处理环节，现在已经逐渐成为两个重要研究领域。
3 雷达辐射源特征提取
最初的雷达辐射源样式简单，调制单一，所以对于获得的特征并不需要特别处理，将收到的参数数据直接匹配配对即可[5]。随着电磁环境日益复杂，直接参数匹配已经不再适用，对参数进行特征提取成为了REI的一个重大研究领域。雷达辐射源特征提取包括常规特征提取和脉内特征提取，如图3所示。
常规特征包括早期REI识别所采用的脉冲描述字(Pulse Description Word,PDW)、脉冲重复间隔(Pulse Repetition Interval,PRI)、天线扫描周期(Antenna Scanning Velocity，ASV)、脉冲样本图等，其中PDW包含常规五参数，即载频(Carrier Frequency,CF)、脉冲宽度(Pulse Width,PW)、脉冲幅度(Pulse Amplitude,PA)、到达时间(Time of Arrival,TOA)和波达方向(Direction of Arrival,DOA)。现有采用PDW的REI设备已大量应用于实装，但性能已不满足现代战场需求[6]，迫切需要新的特征进行补充。随着新特征不断地被挖掘出来，加入后取得了比仅使用常规五参数更好的效果，打破了PDW作为默认的常规REI特征的模式。这类特征表现为处于信号内部较深层次、符合一定规律的、具有可区别不同辐射源效果的形式，称为脉内特征。 脉内特征包括有意特征和无意特征，主要区别是调制源不同。有意特征指为了提高辐射源的性能、工作效率或者一定的工作目的，人为加入了对辐射源信号的调制，从这些调制中提取可以区别不同的辐射源且足够稳定的规律，包括信号调制类型、脉冲群参数、信号极化特性、时频分布特征、小波包重构系数、双谱相像系数、云模型、熵特征、模糊函数(Ambiguity Function,AF)主脊切片特征等。无意特征指辐射源设备工作过程中，电路、器件、环境等客观条件所产生的影响，这种影响体现在辐射源信号上相当于一种调制。由于同一设备对同一辐射源信号的调制大体是相同的，通过提取辐射源信号中无意特征，就能
雷达辐射源分类识别方法综述
