《电磁辐射源目标识别理论与技术》系统阐述了电磁辐射源目标识别的理论和技术，具体包括辐射源目标识别的基本原理、基本过程和理论性能分析方法，基于信号表现形式和基于发射机畸变的辐射源特征提取技术，复杂信道下的辐射源特征提取技术，基于机器学习的辐射源特征提取、特征降维和分类器技术，辐射源目标识别的接收机设计方法，辐射源目标识别的系统设计和管理，以及辐射源目标识别实例，重点介绍了作者研究团队近十年在辐射源个体识别方面的研究成果。

信号处理，目标识别

目录
前言
英文缩写对照表
第1章 电磁辐射源目标识别技术概述 1
1.1 电磁辐射源目标识别的基本概念 1
1.2 电磁辐射源目标识别的应用需求 4
1.3 电磁辐射源目标识别的研究发展 5
1.3.1 电子辐射源目标识别的研究发展 6
1.3.2 通信辐射源目标识别的研究发展 8
1.3.3 辐射源目标识别的技术发展路线 11
1.4 电磁辐射源目标识别的技术挑战 12
1.5 本书主要内容及结构组成 13
参考文献 14
第2章 辐射源目标识别的基本原理 19
2.1 辐射源特征的基本性质 19
2.2 辐射源特征的来源 23
2.2.1 信息层的辐射源特征 23
2.2.2 物理层的辐射源特征 25
2.3 辐射源特征提取的基本思路 27
2.3.1 辐射源特征的测量和估计 27
2.3.2 辐射源特征的校正 27
2.3.3 辐射源特征的综合 28
2.4 辐射源目标识别的基本过程 29
参考文献 30
第3章 发射机畸变机理及其表现形式 31
3.1 引言 31
3.2 调制器畸变及其表现形式 32
3.2.1 IQ正交调制器 33
3.2.2 VCO直接调制器 35
3.2.3 VCO间接调制器 37
3.2.4 频率源切换调制器 40
3.3 频率源畸变及其表现形式 41
3.4 功放畸变及其表现形式 43
3.5 发射通路滤波器畸变及其表现形式 45
3.6 寄生谐波和载波泄漏 47
3.7 暂态过程特性 48
3.8 本章小结 51
参考文献 51
第4章 辐射源目标识别的理论性能分析 54
4.1 辐射源目标识别的信息论描述 54
4.1.1 辐射源目标识别的信息论模型 54
4.1.2 互信息性能度量及其计算 57
4.1.3 辐射源目标识别的信息论指导 59
4.2 基于似然比检验的理论性能分析 60
4.2.1 信号模型 61
4.2.2 似然比检验性能推导 64
4.2.3 仿真结果 67
4.3 本章小结 68
参考文献 69
第5章 基于信号表现形式的辐射源特征提取 70
5.1 基于常规信号参数的辐射源特征提取 70
5.1.1 通用常规信号参数 70
5.1.2 通信辐射源的常规信号参数 72
5.1.3 电子辐射源的常规信号参数 75
5.2 基于数学描述和拟合的辐射源特征提取 77
5.2.1 暂态特性的统计描述 77
5.2.2 暂态特性的分形描述 78
5.2.3 暂态特性的多项式拟合 78
5.3 基于域变换的辐射源特征提取 79
5.3.1 时域表示 80
5.3.2 频域表示 82
5.3.3 线性时频域表示 82
5.3.4 二次时频域和模糊函数表示 84
5.3.5 Hilbert-Huang 变换域表示86
5.3.6 累量函数和累量谱表示 87
5.3.7 循环自相关函数和循环谱表示 88
5.3.8 变换域方法评述 89
5.4 基于脉内无意调制*线的电子辐射源特征提取 90
5.5 本章小结 92
参考文献 93
第6章 基于发射机畸变的通信辐射源特征提取 95
6.1 引言 95
6.2 特征提取预处理 96
6.2.1 样本构造 97
6.2.2 同步对齐 98
6.3 暂态畸变特征提取 100
6.3.1 幅度暂态指纹特征提取 101
6.3.2 相位暂态指纹特征提取 102
6.3.3 暂态畸变特征提取步骤 105
6.3.4 性能分析和比较 105
6.4 IQ 正交调制畸变特征提取 107
6.4.1 Brik调制域特征提取方法 107
6.4.2 基于机理的IQ调制畸变特征提取 108
6.5 频率调制畸变特征提取 114
6.5.1 开环VCO直接调制的畸变特性参数估计 115
6.5.2 闭环VCO直接调制的畸变特性参数估计 116
6.5.3 VCO间接调制的畸变特性参数估计 118
6.5.4 频率源切换调制的畸变特性参数估计 119
6.5.5 频率调制畸变特征提取方法的性能仿真 120
6.6 频率源畸变特征提取 121
6.6.1 相噪的ARMA信号模型 122
6.6.2 相噪ARMA模型求解 123
6.6.3 性能分析和比较 125
6.7 功放畸变特征提取 126
6.7.1 基于倍频成分的窄带功放畸变特征提取 127
6.7.2 基于基频成分的窄带功放畸变特征提取 128
6.7.3 性能分析和比较 130
6.8 发射机畸变特征联合提取 131
6.8.1 信号模型 132
6.8.2 联合*大似然参数估计 133
6.8.3 理论性能分析 139
6.8.4 性能仿真和分析 142
6.9 本章小结 146
参考文献 146
第7章 复杂信道下的辐射源特征提取 148
7.1 多径衰落信道下的辐射源特征提取 148
7.1.1 平坦衰落信道下的辐射源特征提取 149
7.1.2 频率选择性衰落信道下的通信辐射源特征提取 150
7.1.3 多径信道下的电子脉冲脉内无意调制特征提取 164
7.2 多普勒效应下辐射源特征提取 165
7.2.1 多普勒效应对辐射源个体识别性能的影响分析 166
7.2.2 多普勒信道下辐射源个体识别的可行性分析 169
7.2.3 多普勒效应下的无意调相特征提取算法 175
7.3 本章小结 178
参考文献 179
第8章 基于机器学习的辐射源特征提取和降维 180
8.1 特征提取预处理 181
8.1.1 基于样本互相关的时间、频率和相位对齐 182
8.1.2 多样本“公共波形”提取方法 183
8.2 基于互信息*大化的特征提取 184
8.3 基于鉴别分析的特征提取 187
8.3.1 LDA方法 187
8.3.2 SDA方法 189
8.3.3 SDA改进方法 190
8.4 基于机器学习的辐射源特征提取 192
8.4.1 基于固定调制信号的机器学习特征提取 193
8.4.2 基于星座误差的机器学习特征提取 195
8.4.3 MMI、LDA和SDA的特性小结 197
8.5 机器学习和机理模型特征提取的比较 197
8.6 基于机器学习的特征选择和降维 199
8.6.1 特征变换 199
8.6.2 特征选择 202
8.6.3 特征降维算法小结 205
8.7 本章小结 205
参考文献 206
第9章 辐射源目标识别的分类器设计 208
9.1 辐射源闭集识别 208
9.1.1 基于SVM的闭集识别 208
9.1.2 闭集识别置信度计算 210
9.2 辐射源开集识别 212
9.2.1 基于SVDD的开集识别 212
9.2.2 基于KNN的开集识别 216
9.2.3 多模数据的开集识别策略 217
9.2.4 开集识别置信度计算 218
9.3 辐射源信号盲分选 219
9.3.1 盲分选聚类数估计 219
9.3.2 辐射源信号聚类算法 228
9.4 辐射源识别分类器的工作模式 233
9.5 本章小结 233
参考文献 234
第10章 辐射源目标识别的接收机设计 236
10.1 发射机/接收机畸变校正的研究现状 237
10.2 接收机畸变的机理和形式 239
10.2.1 接收机滤波畸变影响分析 240
10.2.2 接收机放大器畸变影响分析 241
10.2.3 接收机频率源畸变影响分析 243
10.2.4 模数转换器畸变影响分析 244
10.2.5 接收机IQ不平衡影响分析 245
10.3 固定接收机辐射源个体识别的接收机设计 247
10.3.1 固定接收机设计的理论分析 247
10.3.2 固定接收机设计的仿真验证 249
10.4 跨接收机辐射源个体识别的接收机校正 251
10.4.1 接收机架构设计 252
10.4.2 滤波器和放大器畸变的联合校正 253
10.4.3 实验验证 258
10.5 辐射源目标识别的信号接收操作 261
10.5.1 接收信号的正/倒谱特性分析 262
10.5.2 滤波采集参数对信号信噪比的影响分析 263
10.5.3 接收机的设置和操作 264
10.6 本章小结 267
参考文献 267
第11章 辐射源目标识别的系统设计和管理 269
11.1 一种辐射源目标识别系统的设计 269
11.2 算法配置和样本管理 270
11.2.1 算法选择和参数配置 270
11.2.2 特征选择的稳定性考量 272
11.2.3 样本的筛选 272
11.3 辐射源目标特征库的管理 272
11.3.1 辐射源目标特征库的初始化 273
11.3.2 辐射源目标特征库的更新 273
11.4 辐射源特征质量的监测 275
11.5 本章小结 276
参考文献 277
第12章 辐射源目标识别实例 278
12.1 典型超短波突发信号辐射源目标识别实例 278
12.2 典型卫星TDMA 信号辐射源目标识别实例 282
12.3 典型连续信号的辐射源目标识别实例 284
12.4 典型电子信号的辐射源目标识别实例 286
12.4.1 单频脉冲雷达 286
12.4.2 线性调频雷达 287
12.4.3 民航二次雷达 289
参考文献 292
彩图

第1章 电磁辐射源目标识别技术概述
　　1887年，物理学家赫兹(Hertz)通过实验证明了电磁波的存在；1894年，意大利青年马可尼(Marconi)采用其发明的无线电报机，在其三楼实验室与1.7km之外的山丘之间成功实现了无线电报通信；1935年，瓦特(Watt)和一批英国电机工程师成功研制了**部探空雷达。时至今日，承载着各种通信和探测功能的电磁波辐射源已经遍布全球，形成了仍在日趋复杂的电磁环境，对辐射源目标认知的需求随之产生：人们不但希望掌握各种电磁辐射源所在位置，还希望了解其目标属性。
　　1.1 电磁辐射源目标识别的基本概念
　　本书所述的辐射源均特指电磁波辐射源。根据其功用上的差别，电磁辐射源可以分为通信辐射源和电子辐射源两大类：前者所辐射的信号上内含有调制信息，主要用于实现通信功能；后者所辐射的信号通常以短脉冲形式出现，脉内附加有固定调制或无调制，用于实现探测导航等功能。电磁辐射源本身以某种型号的电台或雷达发射机设备的形态存在，但其通常为某一特定用户或用户群所使用，并有可能安装在某一机动平台上(如车、舰、机)，辐射源与发射机、用户或者平台的固有关联使其很自然地产生了目标属性。
　　对辐射源目标认知的结果体现为给不同电磁辐射源关联上不同的目标标识。凡能对不同辐射源进行某种区分的属性均可作为目标标识，如发射机的型号和其唯一编号、辐射源所属平台的类型(如车型、舰型、机型等)、辐射源所归属的用户或用户群、辐射源所关联的平台的唯一编号或名称等，具体选用哪种标识取决于具体应用场景和应用需求。辐射源目标识别技术正是希望从电磁波中获取对应的辐射源标识信息。
　　要实现辐射源目标识别，需要对所接收的电磁波进行特性分析，提取与辐射源相关的特征。电磁波的特性由电磁波的设计、产生、传播和接收四个过程所决定。一般而言，对不同辐射源，这四个过程的具体实现和实施存在一定程度的差别，因而造成相应的电磁波特性的差异，体现在信号规格、信号内涵(调制信息)和信号波形等多个方面，这正是辐射源目标识别的特征来源。
　　因此可以对电磁辐射源目标识别做以下定义。
　　定义1.1 电磁辐射源目标识别是通过对电磁辐射源所辐射的电磁波信号的特征测量和分析实现对辐射源所关联的目标的类型、身份或其他标识属性的识别。
　　从标识属性的内容来看，辐射源目标识别可以是对辐射源类型的识别，如对不同品牌手机型号的识别。在某些应用中，对辐射源目标的识别希望精确到个体层面上，即使是对相同类型相同型号的辐射源也能够进行区分，这种辐射源目标识别称为辐射源个体识别，也称特定辐射源识别(specific emitter identification， SEI)。由于个体总是归属于某个类型，能够完成辐射源个体识别的特征也可作为辐射源类型特征的一部分实现辐射源类型识别。
　　对于通信辐射源而言，辐射源个体识别有可能依据信号内涵完成，即通过解译电磁波上的调制信息内容获得身份信息，但信息加密可能使这种方法不可行；而对电子辐射源，其所辐射的电磁波本身就不携带调制信息。这就迫使人们去寻求一种不依赖信号内涵的辐射源个体识别方法，辐射源指纹识别正是这样一种技术。
　　定义1.2 辐射源指纹识别通过提取辐射源设备差异体现在射频信号外部结构上的个体特征，完成对辐射源发射机或其所关联的目标个体的识别。
　　辐射源指纹识别也称射频指纹识别(radio frequency fingerprinting，RFF)。如图1.1所示，辐射源指纹识别的概念借鉴了可对人类身份进行唯一关联的人类指纹，即将经过精细测量获得的信号特征构成描述辐射源目标身份的“指纹”。这些信号特征来源于辐射源发射机，体现了辐射源的设备差异。尽管不同辐射源设备之间的差异可能十分微小，但一定存在。“世界上不存在完全相同的两个发射机”这一论断在哲学上和物理上都具备合理性，发射机的个体差异也已经在对实际发射机的测试中得到证实[1]。
　　图1.1 辐射源指纹识别概念示意图
　　根据上述介绍，辐射源目标识别、辐射源个体识别和辐射源指纹识别的概念层次如图1.2所示。需要说明的是，对于辐射源个体识别和辐射源指纹识别，学术界还提出了其他一些相关联的术语，如电台个体识别、雷达个体识别、发射机个体识别、发射机指纹识别、细微特征提取、外部特征提取，但并未对这些术语进行严格定义。从其前后内容背景来看，这些术语与本书术语在含义上存在很大的交集，但在内涵和外延上又可能存在些许差异，本书不一一说明，将按照本书术语体系进行论述。
　　图1.2 辐射源目标识别的概念层次
　　以下对本书所涉及的辐射源目标识别的术语进行定义和说明，以便后面内容论述。这些定义和说明均在本书所述辐射源目标识别背景下限定，不推广到其他领域。
　　(1)辐射源特征：用以对辐射源进行区分性描述的标量或由一组特征标量组成的向量(即特征向量)，辐射源特征是对辐射源各种特性的描述。
　　(2)辐射源个体特征：当辐射源特征可用于区分辐射源个体时，称为辐射源个体特征。
　　(3)辐射源指纹特征：描述辐射源的辐射设备特性的辐射源个体特征。
　　(4)特征提取：通过某种映射处理从原始数据向量中获得可描述数据特性的特征或特征向量的过程。特征提取的目的是获得能够有效描述感兴趣特性的特征向量。
　　(5)样本：一个样本是指完成单次识别处理所需的一段信号或一个特征向量，分别称为信号样本或特征样本。样本是辐射源目标识别的基本对象单位。样本用于训练时，称为训练样本；用于测试时，称为测试样本；用于识别时，称为待识别样本。
　　(6)信号样本：一个信号样本指的是用以进行一次特征提取的一段信号，可以是一个突发、一个脉冲或连续辐射信号中的任意一段。一个辐射源可以产生多个信号样本，但一个信号样本必须由单个辐射源产生。
　　(7)特征样本：特征样本是从信号样本中提取的可描述辐射源的特征向量。广义上，也可以直接将信号样本作为特征样本。
　　(8)标签：与样本关联的目标属性标识。标签在形式上体现为与样本关联的物理实体的名称或数字编号，如发射机的型号或编号、辐射源的归属用户或组织、辐射源所在平台的类型(如车型、船型、机型等)、平台的名称或编号等。
　　(9)特征降维：通过数学变换将高维特征向量转化为低维特征向量的处理过程，特征降维所得到的低维特征向量应尽可能保留原始高维特征的区分能力。特征降维也可以理解成是一种降维的特征提取。依据特征样本是否具备标签，可分为无监督特征降维(不具备标签)和有监督特征降维(具备标签)。
　　(10)训练：利用已标识样本对降维器或分类器的结构和参数进行优化的处理过程。对降维器的训练将得到一个降维映射用于特征降维；对分类器的训练将得到一个判决超平面用于对样本进行识别。训练是有监督机器学习的处理过程，是对未标识样本进行识别的处理前提。
　　(11)识别：在训练完成情况下，对未标识样本进行标签判定的处理过程。识别包括开集识别和闭集识别两种。
　　(12)开集识别：给定一有限个数的辐射源目标集合，判定待识别样本是否属于该集合中某一辐射源的识别称为开集识别。
　　(13)闭集识别：给定一有限个数的辐射源目标集合，在已知待识别样本属于该集合中某一辐射源的情况下，判定其属于哪个辐射源的识别称为闭集识别。
　　(14)盲分选：在未经训练的情况下，对一组未知类属样本判定其来源于几个辐射源，并将同源样本聚类的处理过程。盲分选是一种无监督处理。
　　(15)分类器：能进行识别或盲分选的一种数学映射或一套处理流程。需要说明的是，本书后面表述中将识别和聚类都归为分类，分类器也包含了开集识别分类器、闭集识别分类器和聚类处理算法。
　　1.2 电磁辐射源目标识别的应用需求
　　现代电磁环境正日趋复杂，有限的地理空间内分布着数目众多的辐射源，对辐射源及其所关联的用户和平台的识别就显得特别重要。常规的频谱监测主要依赖通信内涵或工作参数进行辐射源识别，但现代电磁辐射和通信技术的运用却使得辐射源表现出很强的匿名性，主要体现在以下几点。
　　对于雷达辐射源而言：①雷达信号本身不携带通信信息，无法根据信息内涵来分析辐射源目标的身份；②在复杂电磁环境下，同一地域范围内密集分布着众多的雷达辐射源，不同雷达辐射源的工作参数相同或相似的情况高概率出现，单纯利用工作参数很难区分这些雷达；③现代雷达的工作参数不再是固定不变的，脉冲重复间隔滑变/跳变、频率分集、脉宽跳变等技术的使用使得依靠工作参数进行目标识别不再稳定可靠。
　　对通信辐射源而言，对通信对象和用户的认识传统上依赖于信息解译，即通过对信号的解调译码、语义还原或协议分析来实现。然而现代通信技术的发展使得通过信息解译来实现辐射源目标识别越来越困难，主要体现在：①依靠特定标识码(电话号码、用户身份验证码等)进行识别对标识码动态分配或动态更换的辐射源对象可能失效；②从通信协议中往往可以解析出用户身份，然而如果对象网络采用未知的私有通信协议，则因其难以解析将导致依赖协议进行用户识别不可行；③通过通信内容分析获取目标的身份对通信信息的完整性提出了较高要求，而在非协作条件下可能难以获取完整的通信内容；④如果数据加密被采用，则将导致协议分析和内容分析难以进行。
　　辐射源的匿名性造成非协作频谱监测中关键的目标属性要素的缺失。要打破这种匿名性，只有采用辐射源目标识别技术通过对电磁波的测量和特征分析实现目标识别，因此辐射源目标识别技术在军事和民用领域均存在重要应用需求。
　　从军事应用的角度来看，从复杂电磁环境中发现和识别所关注的目标信号，并将其与辐射源目标及其载体平台和用户身份关联起来，对于战场指挥决策具有重要的参考价值，主要体现为：①可用于实现敌我识别，即对战场内匿名混杂的敌我辐射源进行判别，形成敌我分布态势；②可实现对战场区域内辐射源数目的判定，从而了解敌我双方规模；③可对辐射源目标的战术性质进行判定，例如，判定辐射源的威胁等级，判定哪些辐射源是重要指挥节点或高价值目标等；④可实现对辐射源关联平台的判别，从而获得其火力、机动性、防御能力等战术能力信息。
　　在民用领域，辐射源目标识别技术也有重要应用价值，包括：①可用于对特定非法辐射源进行识别，结合定位技术跟踪其通信出联活动，为打击违法犯罪活动提供信息支持；②可用于无线通信网的安全认证，即通过辐射源目标识别技术实现非法接入用户检测，提升无线网络安全防护能力，由于硬件指纹“克隆”十分困难，采用辐射源指纹识别技术对无线通信网的非法接入和恶意辐射源的电磁伪装进行检测尤其具备*特优势，在20世纪90年代，美国就采用类似技术实现对蜂窝电话非法接入的识别[2]。
　　总而言之，对目标的关注催生了辐射源目标识别的应用需求。在非协作频谱监测条件下打破辐射源的匿名性，是辐射源目标识别技术的发展追求。
　　1.3 电磁辐射源目标识别的研究发展
　　早期的辐射源目标识别可以追溯到二战时期对无线电报机的电台以及发报人的识别[3]，主要用于从大量无线电信号中找出感兴趣的军用电台。这时期的辐射源目标识别主要依赖人耳听，国内曾经热播的电视剧《暗算》形象地再现了这一过程，这实际上是通过人对电磁波信号进行测量和感知。随着无线电技术的进步，尤其是数字调制技术的出现，辐射源的数量越来越多，无线电波的制式也日益复杂，人对电磁波信号的直接感知变得越来越困难，采用机器对电磁波进行分析测量从而完成目标识别任务成为辐射源目标识别的研究方向。以美国为代表的欧美军事强国对该技术进行了长期持续研究，取得了一系列研究成果，使之成为一种实用的电磁频谱监测手段。
　　根据公开文献[3，4]，美国军方将其辐射源目标识别系统广泛装备在电子侦察卫星、EP-3电子侦察飞机、P-3C反潜机、各种指挥舰和地面固定侦察站上，截至2000年，美国海军已经有20套此类系统研究成功。Northrop