基于Stacking组合分类算法的新体制雷达型号识别技术

徐 晶 张生杰 张译方 周 超 闫亚斌 邱光辉

(西南电子设备研究所 成都 610036)

0 引言

雷达辐射源型号识别是将侦测到敌方雷达发射的信号，在信号分选基础上，分析工作参数，实现雷达辐射源型号判识，完成准确的威胁判断和搭载平台识别，为作战指挥人员提供战场态势信息和战术决策行动信息[1-2]。

随着新体制、多功能雷达的广泛运用，战场电磁环境呈现密集性和复杂性，雷达信号呈现频率捷变快、参数变化多的特点，传统雷达信号处理在分选、关联、识别各个环节面临巨大挑战，难以有效处理新体制雷达信号[3]。其中，以相控阵雷达型号的准确识别问题尤为突出；另一方面，随着神经网络等人工智能算法的引入，一定程度上解决了对复杂雷达信号的识别问题[4-6]。但由于战场环境的非合作化，复杂体制雷达信号参数的可区分特征维度少、样本数据存在错误、缺失等特点，要求所运用的人工智能算法能够同时具备对小样本数据泛化能力和对错误样本数据容错能力的特点[7]。因此，运用诸如随机森林、SVM、CNN等目前较为成熟的单一人工智能算法无法取得最优的识别效果。

为解决上述问题，本文提出一种基于Stacking组合分类方法的雷达辐射源型号识别技术，通过构造两级叠加式架构，将卷积神经网络、支持向量机等机器学习算法组合，丰富识别手段，同时扩展识别参数维度，结合特征规律和不同智能算法的特点，针对性地将不同参数作为各个分类器的输入特征向量，达到对特征参数的最佳运用，形成对复杂体制雷达的准确识别。……