【導讀】本篇節選自論文《云計算在分布式傳感器輻射源識別中的應用》，發表于《中國電子科學研究院學報》第9卷第3期。下面讓我們一起開始學習云計算在分布式傳感器輻射源識別中的應用吧！
針對輻射源識別中的參數模糊交疊問題，提出了基于云計算的輻射源樣本隸屬度獲取方法，結合分布式傳感器的優勢，構建云計算在分布式傳感器輻射源識別中的應用系統。首先介紹云計算的有關概念，其次分析分布式傳感器的特征，再由云計算區間型和離散型輻射源樣本隸屬度，并進行單傳感器時域融合和分布式傳感器信息融合，利用判決規則完成決策。仿真結果說明基于云計算的輻射源識別率高。
引 言
信息系統在信息作戰中發揮了巨大作用，對海軍航空兵來說，要實現對敵核心要害的精確打擊，離不開準確的信息偵察，信息偵察的一個重要步驟就是對敵輻射源的信息識別，只有準確的識別敵核心要害武備，才能為后續的精確打擊提供戰術支援。當前敵雷達輻射源技術參數出現很大程度模糊，各型雷達參數重疊、交錯，采用傳統五參數（RF、TOA、DOA、PA、PW）法識別雷達輻射源難度加大，這給信息作戰、賽博作戰中的信息偵察帶來嚴峻挑戰。對于輻射源識別問題，目前的研究方法有基于模糊集的方法、基于神經網絡的方法、基于灰色關聯的方法、基于粗糙集的方法、基于支撐向量機的方法等。上述方法在輻射源參數存在模糊及交疊時，識別效果較差。
云計算能更好地處理模糊和交疊參數問題，已有研究將云模型用于輻射源識別中，如將云模型用于平臺目標識別，或將云模型用于支持向量機輻射源識別中，但其具體的計算辦法還不完善，本文考慮將云計算用于分布式傳感器輻射源信息識別中，提出基于云計算的識別算法。首先介紹云計算理論，其次給出分布式傳感器輻射源信息識別的概念，將云計算應用于輻射源識別中，建立基于云計算的輻射源隸屬度獲取模型，給出本文識別算法及流程圖，最后結合輻射源參數數據庫進行識別仿真對比實驗，仿真結果表明云計算相比于其他識別算法能獲得更高和更穩定的輻射源識別效果。
1.云計算
云計算是院士李德毅提出的一種定性定量不確定性轉換模型算法，用自然語言值表示定性與定量間不確定性轉換，能處理模糊集理論中的模糊性和概率論中的隨機性問題，通過期望Ex（Expected value）、熵En（Entropy）、超熵He（Hyper entropy）3個數字參數表征一個定性概念，從而實現定性定量轉換。期望Ex表示數域空間定性概念量化樣本點；熵En表示論域空間定性概念的模糊度，還可表示定性概念的云滴出現的概率；超熵He表示論域空間中定性概念的云滴的凝聚性。
云計算中的正向云發生器可實現輻射源特征參數從定性到定量的轉換，由云的數字特征產生云滴就能實現定性定量轉換，正向云發生器如圖1。
圖1 正向云發生器
正向云生成算法是先生成以Ex為期望，En為均方差的正態隨機數x；再生成以En為期望，He為均方差的正態隨機數En´；最后計算隸屬度：
那么（x,y）就是生成的云滴，式中x是定性概念的一個隨機數，y是x屬于定性概念的準確度。
2.分布式傳感器輻射源識別
隨著傳感器技術的飛速發展，傳統的單傳感器獲取的敵輻射源信息往往是不確定的，特別是戰場信息空間中的電磁空間和賽博空間尤為突出。信息化戰爭中，敵我雙方大量的信息裝備應用于電磁空間和賽博空間，形成了十分復雜的戰場電子環境，而其中的裝備技術參數更加的多變，使得偵察信息異常復雜和難以分析，而分布式傳感器能提取獨立、互補的輻射源信息，獲得輻射源更為詳盡準確的信息情報，這為輻射源識別奠定良好的基礎。此外由分布式傳感器進行信息融合（DSIF：Distributed Sensors Information Fusion），可消除單傳感器間可能存在的矛盾，進一步降低輻射源識別不確定性，同時產生新的有價值信息，有利于提高輻射源識別效果。
3.云計算用于分布式傳感器輻射源識別中
通過上述分析，云計算能很好地處理模糊性和不確定性問題，并能將定性問題轉化為定量問題，這給具有模糊參數的輻射源識別問題提供了一個新的思路，同時分布式傳感器信息融合能克服參數的沖突，進一步提高輻射源識別率，因此考慮將云計算同分布式傳感器輻射源識別結合起來進行輻射源識別。首先利用云計算得到輻射源隸屬度，而后建立本文識別算法及流程，最后進行仿真驗證。
基于云計算的識別算法及流程
由上述云計算輻射源隸屬度的過程，采用云計算對雷達數據庫中區間型及離散型參數變量進行建模，計算輻射源樣本每個參數相對數據庫相應參數的隸屬度，根據平均權值法計算各參數的總隸屬度，將該隸屬度作為D-S理論中的BPAF，完成分布式傳感器時域及空域信息融合，最后由決策規則完成輻射源識別。基于云計算的分布式傳感器輻射源識別算法如下：
（1）構建輻射源參數數據庫；
（2）由云計算對數據庫中區間型及離散型參數建模并計算各類輻射源的云數字特征期望、熵和超熵；
（3）利用平均權值計算輻射源樣本參數隸屬度并將其作為基本概率賦值BPAF；
（4）完成單傳感器時域信息融合；
（5）完成分布式傳感器信息融合；
（6）依據判決規則進行決策，給出輻射源識別結果。
由識別步驟，構設輻射源識別流程系統如圖2。
圖2 輻射源識別流程
4.數據仿真
針對本文提出的基于云計算的分布式傳感器輻射源識別算法，設計兩個實驗來驗證本文識別算法的性能和識別系統的合理性。設輻射源數據庫中有4部雷達數據R1、R2、R3、R4，參數主要有脈寬（PW）、脈沖重復間隔（PRI）、載頻（RF），參數包括區間型和離散型數字變量。
設空間存在雷達R2，利用3部傳感器（ESM）各4個測量周期獲得輻射源參數樣本，所得參數樣本均附加有5%的測量誤差，由云計算輻射源樣本參數隸屬度，并作為D-S理論的BPAF，得到輻射源樣本隸屬度表1。
表1 輻射源樣本隸屬度
表2 時域融合單傳感器時域信息融合得表2。
表3 分布式融合分布式傳感器信息融合得表3。
另設空間中存在4部雷達輻射源，對數據庫中4部雷達參數附加噪聲構成輻射源樣本進行識別仿真，生成800個輻射源樣本數據，每部雷達200個樣本，樣本測量誤差服從零均值高斯分布。圖3給出了本文云計算分布式傳感器輻射源識別率隨測量誤差的變化曲線。為了對比分析，圖4給出了采用支持向量機（SVM）的輻射源識別算法和本文算法的識別率曲線，識別率曲線是4部雷達的平均識別率，通過對比發現，本文識別率更高。由判決規則進行決策，依據專家經驗知識選擇（此處有公式！！），得到該輻射源為雷達R2。
圖3-a 基于云計算的識別率曲線
圖3-b 識別率對比曲線
表4給出了本文識別算法通過1500次Monte Carlo實驗得到的輻射源識別率同其他識別算法的識別率對比。由表4可見本文識別算法正確識別率較高，優于其他識別算法。
表4 輻射源識別率對比
由仿真實驗結果知，云計算在分布式傳感器輻射源識別中具有以下優點：能很好地處理輻射源參數的模糊性和不確定性；云計算能對區間類型變量和離散型參數建模；結合傳感器時域融合、分布式傳感器信息融合能更進一步提高輻射源識別率和識別的穩健性；相比于其他識別算法，云計算能獲得更高的輻射源識別率。云計算的難點則是各類輻射源的數字特征期望、熵和超熵的計算。
結 語
本文將云計算用于分布式傳感器輻射源識別中，列出了相應的輻射源識別算法并建立了識別流程圖。本文算法采用云計算對區間型參數建模，對離散型參數進行評語集定性定量轉換，獲得輻射源隸屬度并將其作為基本概率賦值，通過傳感器時域融合、分布式傳感器信息融合，得到輻射源識別結果。實驗證明，利用云計算進行的輻射源識別比其他傳統識別算法識別效果好，并具有處理不確定問題的魯棒性。
推薦閱讀：
