張　佳（長江大學(xué) 工程技術(shù)學(xué)院，湖北 荊州 434020）

基于 Web 語義的艦船雷達目標(biāo)識別系統(tǒng)設(shè)計

張佳
（長江大學(xué) 工程技術(shù)學(xué)院，湖北 荊州 434020）

針對艦船雷達信號目標(biāo)的識別方式簡單、識別度低的情況，文中提出基于 Web 語義的艦船雷達回波自動識別系統(tǒng)。因為雷達信號目標(biāo)特征信息點分散且繁雜，在語義 Web 網(wǎng)下取得雷達信號目標(biāo)圖像的數(shù)據(jù)特征，運用改進 FastICA 算法提取特征數(shù)據(jù)后，通過智能雷達回波視頻圖像識別系統(tǒng)，對艦船目標(biāo)圖像進行分析。實驗證明，基于 Web 語義的艦船雷達目標(biāo)識別系統(tǒng)，能使大量信息被系統(tǒng)充分利用，達到精確識別艦船雷達圖像目標(biāo)的目的。

Web 語義；圖像特征提取；FastICA 算法；圖像識別；智能雷達回波系統(tǒng)

0　引 言

目前，雷達信號的目標(biāo)識別技術(shù)發(fā)展很快，而海上艦船雷達信號目標(biāo)自動識別系統(tǒng)仍然是當(dāng)今研究的重點［1］。在重要技術(shù)環(huán)節(jié)上，世界上其他國家都開展了探究并獲得一定的研究成果。文獻［2］提出探究雷達信號識別艦船物理原理和散射體聲波數(shù)學(xué)模塊的方法。文獻［3］則采用現(xiàn)代信號處理技術(shù)提取雷達信號回波中的特征數(shù)據(jù)，采用人工智能識別方式獲取特征識別數(shù)據(jù)的方法，然后設(shè)置分類器進行識別。但是雷達信號特征數(shù)據(jù)的信息圖像經(jīng)常分散存在，采用傳統(tǒng)方法對獲取統(tǒng)計數(shù)據(jù)進行精確分析十分困難，也不能精確識別目標(biāo)特征點［4-5］。所以對于種類繁多的海上雷達目標(biāo)，需要設(shè)計一種創(chuàng)新有效的雷達目標(biāo)自動識別系統(tǒng)，這也是日后現(xiàn)代軍事發(fā)展中一個需要重點研究的方向［6］。

本文對艦船雷達信號目標(biāo)特征自動識別系統(tǒng)的建立過程中，提出在 Web 網(wǎng)絡(luò)中對艦船雷達目標(biāo)圖像進行數(shù)據(jù)整合，形成數(shù)據(jù)庫［7］，運用基于 ICA 算法為基礎(chǔ)的改進 FastICA 算法［8］，對雷達目標(biāo)圖像進行提取，在此基礎(chǔ)上，對提取信息實施及時分析。采用智能雷達回波視頻圖像識別系統(tǒng)，以回波視頻圖像的基本要素和回波變化特征為基礎(chǔ)，結(jié)合基于無監(jiān)督投影的識別算法［9-10］，運用操控雷達人員從實踐中逐漸累積的常識及經(jīng)驗，對簡易判斷規(guī)則進行概括，同時變換為計算機程序，運用上述判斷規(guī)則，與具有類似智能分析識別效果的方法共同使用，實現(xiàn)雷達目標(biāo)識別。將推理判決機制技術(shù)與優(yōu)越的人工智能分析技術(shù)結(jié)合，構(gòu)建了基于 Web 網(wǎng)絡(luò)下的技術(shù)綜合、操作快捷、服務(wù)作戰(zhàn)的海上目標(biāo)雷達回波圖像自動識別系統(tǒng)。

1　雷達回波自動識別系統(tǒng)組成

海上目標(biāo)雷達回波視頻圖像識別系統(tǒng)由語義 Web雷達目標(biāo)數(shù)據(jù)庫、智能識別、推理判決機制 3 部分組成，系統(tǒng)構(gòu)成和信息流程如圖1所示。

圖1　雷達回波系統(tǒng)設(shè)計圖Fig.1　Radar system design

進行雷達目標(biāo)自動識別的基礎(chǔ)過程及原理是：操作雷達人員通常在工作過程中會積累并形成思想定式，對艦船雷達信號特征信息圖像具有相當(dāng)程度的識別能力，通過對雷達目標(biāo)回波視頻特征圖像的非智能判斷，將采集的回波視頻樣本通過語義 Web 網(wǎng)對數(shù)據(jù)進行重新組合，推出最佳方案，將數(shù)據(jù)輸出到雷達信號目標(biāo)識別數(shù)據(jù)庫中；與此同時，針對關(guān)鍵性信號目標(biāo)圖像，通過對圖像分割模塊處理，再獲取目標(biāo)圖像特征點，回傳到回波特征數(shù)據(jù)庫中，作為日后分析圖像的樣本圖像。判決策略則是智能分析技術(shù)回波判斷推理系統(tǒng)，將分布于不同空間的雷達信號目標(biāo)圖像特征點進行歸納、對比、堆集、判斷及改正的綜合智能判斷系統(tǒng)。重要作戰(zhàn)時刻，要求迅速、精確、自動辨別雷達信號目標(biāo)圖像，首先對未曾出現(xiàn)的圖像信息特征點進行檢索，依據(jù)此圖像特征點在大批量樣本圖像數(shù)據(jù)庫中進行快速對比鑒定，根據(jù)判斷推理機制進行判別，將判斷結(jié)果進行智能分析，回傳數(shù)據(jù)庫中儲存，并輸出雷達信號目標(biāo)圖像。

1.1Web 語義下雷達目標(biāo)識別數(shù)據(jù)庫

雷達信號目標(biāo)回波特征識別體系是一種軟硬件相結(jié)合的高速實時自動化識別系統(tǒng)。因為艦船目標(biāo)特征的信息量過大，并且傳統(tǒng)方法識別目標(biāo)單一，所以，需要引入全新的思考方向和思維方式，語義 Web 網(wǎng)力圖實現(xiàn)的是目前所有網(wǎng)路數(shù)據(jù)的無縫式信息連接，能被計算機自動處理，提高了回波系統(tǒng)對艦船雷達目標(biāo)識別的精確度。在語義描述層中，供應(yīng)一個語義維度，使之無論是層次內(nèi)部還是外部，都能有效地進行圖像特征數(shù)據(jù)的重組和交互。圖像數(shù)據(jù)語義需要添加到 Web 網(wǎng)服務(wù)組合模型中，在推理機和組合編輯器的共同作用下，獲取最佳分析數(shù)據(jù)，供數(shù)據(jù)庫使用。圖2是雷達回波圖像特征信息數(shù)據(jù)庫在語義 Web 網(wǎng)中的數(shù)據(jù)庫功能模塊。

圖2　雷達回波圖像在語義Web網(wǎng)的數(shù)據(jù)庫結(jié)構(gòu)Fig.2　Radar echo images in the semantic Web database structure

上述模型主要功能包括 Web 服務(wù)語義網(wǎng)的建模、對雷達信號目標(biāo)圖像數(shù)據(jù)進行處理，將 Web 服務(wù)語義網(wǎng)絡(luò)和需求推理運算綜合運用，獲得可行的Web 服務(wù)分析方案，最后評估出最佳方案，返回用戶端，實現(xiàn)在 Web 網(wǎng)環(huán)境下雷達信號目標(biāo)數(shù)據(jù)的重新組合。

1.2雷達回波系統(tǒng)智能識別的實現(xiàn)

在實現(xiàn)回波智能系統(tǒng)時可操作的具體方法如下：1）雷達回波視頻圖像特征點的總結(jié)；2）建立雷達目標(biāo)視頻圖像特征點數(shù)據(jù)庫；3）雷達信號目標(biāo)圖像分析和特征點的獲??；4）以目標(biāo)圖像檢測和圖像配比識別為目標(biāo)。接下來在建立雷達信號目標(biāo)識別系統(tǒng)時，總體必須體現(xiàn)為智能分析和智能運作。首要第一步是了解回波視頻圖像辨識范圍內(nèi)的大部分定義、本相、關(guān)聯(lián)和方式方法等，包括解決智能系統(tǒng)問題依據(jù)的基礎(chǔ)判斷知識以及建立雷達信號目標(biāo)識別數(shù)據(jù)庫的判斷知識，一方面是由雷達信號專業(yè)分析人員（操作雷達人員及重要技術(shù)人員）獲?。涣硪环矫媸峭ㄟ^收集大量關(guān)鍵性回波視頻資料圖像，運用雷達信號專項技術(shù)智能處理系統(tǒng)分析獲?。蛔詈笸晟浦悄芊治鱿到y(tǒng)中數(shù)據(jù)知識的形式邏輯和保存工作，以確保數(shù)據(jù)知識的精確性、統(tǒng)一性、完備性。

在智能系統(tǒng)構(gòu)建過程添加模塊存儲器，使之在Web 語義環(huán)境中對大量雷達目標(biāo)進行處理。先檢測存儲，再進行高速智能重組精確分析，識別后輸出最佳有效數(shù)據(jù)，使人工判讀和現(xiàn)代自動識別機制結(jié)合成智能自動識別系統(tǒng)。

圖3　圖像數(shù)據(jù)智能識別模塊圖Fig.3　Figure image data intelligent identification module

1.3推理判決機制的實現(xiàn)

雷達目標(biāo)回波特征提取是對目標(biāo)進行自動識別的基礎(chǔ)，并且回撥視頻圖像自動分析系統(tǒng)中的識別推理判決機制至關(guān)重要。在判決機制方面，構(gòu)造目標(biāo)基于知識模式型的識別方法，建立雷達回波顯影特征的推理機制判決策略。獲得必要的4 類目標(biāo)數(shù)據(jù)及回波變化視頻圖像特征點后，通過獲取人工觀測雷達回波的成像特征，對目標(biāo)雷達圖像進行判斷。由于操作雷達人員具備大量的原始積累，部分操作雷達人員具有相當(dāng)高的水平；智能識別系統(tǒng)中，人工不能實現(xiàn)的部分是對雷達信號目標(biāo)特征點的自動提取?，F(xiàn)將人工判斷與智能識別功能綜合運用，技術(shù)方面互相交互，從而產(chǎn)生了以雷達信號回波視頻圖像為基礎(chǔ)的智能識別系統(tǒng)。運用此系統(tǒng)采集得到的真實艦船目標(biāo)回波數(shù)據(jù)，對目標(biāo)進行粗略分類，運用共性策略和個性策略反應(yīng)出目標(biāo)的差異性，從共性中尋找個性，從個性中推理判斷目標(biāo)的程序。在雷達目標(biāo)的人工判別過程中，操作雷達人員運用關(guān)聯(lián)推理判斷方法，即以雷達信號多空間特征點為依據(jù)，通過知識判斷規(guī)則，運用普通思考方法，判斷其真實性質(zhì)。從底層向上層，各層雷達信號回波視頻特征點向均上層輸出信號，基于底層收集的初始視頻信號進行推理判斷，得出最佳數(shù)據(jù)組合。智能系統(tǒng)運用正面推理判斷的過程如下：

1）初選規(guī)則前件庫中第Ⅰ 條規(guī)則（原始值 Ⅰ=1）；

2）依據(jù)規(guī)則的保證條件，尋找是否有數(shù)據(jù)庫進行數(shù)據(jù)支持；

3）若匹配完成，將規(guī)則結(jié)果儲存于數(shù)據(jù)庫；

4）篩選下一條規(guī)則（Ⅰ=Ⅰ+1）；

5）依據(jù)以上的反復(fù)過程，直至不再重復(fù)此過程，得到最終數(shù)據(jù)，以此數(shù)據(jù)為基準(zhǔn)，做出推理判斷，運用 PROLOG 開發(fā)語言編程，將人工判斷的數(shù)據(jù)變換成計算機程序語言，最終輸出數(shù)據(jù)圖像。圖4為判決推理模型。

圖4　判決推理模型Fig.4　Judgment reasoning model

2　實現(xiàn)回波系統(tǒng)識別圖像及改進 FastICA 算法

2.1改進 FastICA 算法

雷達信號目標(biāo)自動識別系統(tǒng)是以目標(biāo)及周圍空間雷達信號回波視頻數(shù)據(jù)為基礎(chǔ)，根據(jù)目標(biāo)和環(huán)境的雷達回波信號，運用目標(biāo)電磁散射分布機理，獲取目標(biāo)數(shù)據(jù)特征點，完成對目標(biāo)性質(zhì)和類別自動判斷。信號目標(biāo)的多層結(jié)構(gòu)信息量是雷達自動識別目標(biāo)的重要依據(jù)，由于舊式雷達識別信號的數(shù)據(jù)具有不準(zhǔn)確性，不能達到識別目標(biāo)的目的，本文的智能雷達識別系統(tǒng)是對雷達技術(shù)發(fā)展的進一步探究，提出了一種基于獨立分析的改進算法——FastICA 算法，將相應(yīng)的數(shù)據(jù)組成向量，作為目標(biāo)特征向量，結(jié)合雷達目標(biāo)智能識別系統(tǒng)進行工作。具體算法如下：

針對高分辨率雷達信號特征，采用近似負熵作為目標(biāo)函數(shù)，利用快速梯度搜索算法進行運算。設(shè) X為經(jīng)過處理后的信號（均值為 0，方差為 1），w為 ICA模型中待估計的分離矩陣 W 與獨立分量 si相對應(yīng)的行向量，滿足：

FastICA 算法的基本思想是：需找投影向量 wi，使得 X 在 wi上面的投影 wiTX 非高斯最大。實際中，由于概率密度分布函數(shù)未知，因此采用基于概率密度函數(shù)的負熵計算很不方便，運用更有效的負熵近似值計算公式：

式中：G（）為非二次函數(shù)；v為一個標(biāo)準(zhǔn)正態(tài)分布的隨機變量。FastICA 算法通過尋找，使得 J（wi）取極大值的投影方向 wi，相應(yīng)得到一個獨立分量 si。使 J（wi）取極大值，則要求

式（3）中g(shù)（）為 G（）的導(dǎo)數(shù)，由牛頓迭代定理，得

式中：

對公式進行歸一化處理，得到

按照式（4）進行迭代，收斂得到的wiT對應(yīng)分離矩陣 W的行向量，可提出一個獨立分量 si。對于多個獨立分量，可反復(fù)重復(fù)上述過程進行分離，得到矩陣W，獲得混合矩陣 A，以此作為樣本特征向量。

綜述以上算法，完成了復(fù)雜的雷達回波數(shù)據(jù)分析，提取了雷達目標(biāo)回波視頻圖像的特征點，為識別圖像提供了依據(jù)。

2.2雷達目標(biāo)回波圖像識別

雷達信號目標(biāo)識別系統(tǒng)核心數(shù)據(jù)經(jīng)過預(yù)先處理、特征提取后，為保證識別系統(tǒng)的快速響應(yīng)能力，提出了基于圖像矩陣的無監(jiān)督鑒別投影方法。為避免目標(biāo)識別與分類器發(fā)生錯分，投影準(zhǔn)則應(yīng)確保雷達目標(biāo)樣本圖像在使用該準(zhǔn)則后，能選取最小化局部散度的同時，使非局部散度最大化，通過如下圖像矩陣準(zhǔn)則函數(shù)，來實現(xiàn)雷達目標(biāo)識別：

首先，局部散度函數(shù)定義為：

非局部散度函數(shù)定義為：

其次，準(zhǔn)則函數(shù)實現(xiàn)步驟如下：

如果投影軸 w 取為單位矢量（wTw=1），式（8）可以表示最優(yōu)模型

通過求廣義矩陣式（10）的前d個最大特征值，所對應(yīng)的單位特征矢量可以使準(zhǔn)則函數(shù)公式（9）最大化。

無監(jiān)督鑒別投影算法能使雷達目標(biāo)圖像的識別率及穩(wěn)定性都達到最佳效果，使艦船雷達目標(biāo)識別系統(tǒng)對雷達目標(biāo)實現(xiàn)最優(yōu)化，成功且準(zhǔn)確地識別艦船雷達目標(biāo)圖像。

3　實驗結(jié)果分析

為驗證該算法的精確度和穩(wěn)定性，通過實驗比較傳統(tǒng)算法與無監(jiān)督鑒別投影算法在 Matlab 環(huán)境下的編程，把 2 種算法進行對比、測試，得出實驗結(jié)果。

2）實驗 1

從目標(biāo)庫中取出 10 幅雷達目標(biāo)圖像作為樣本圖像，在仿真環(huán)境下，對其特征向量提取時間 T（s）、圖像精確度 Q（％）、誤差率 L（％）實行比較，得到結(jié)果如表1所示。

表1　兩種算法比較數(shù)據(jù)表Tab.1 Table comparative data of the two algorithms

圖5　傳統(tǒng)算法的艦船雷達對目標(biāo)識別效果Fig.5　The traditional algorithm of ship radar target recognition effect

由表1可看出，無監(jiān)督鑒別投影算法對艦船雷達目標(biāo)自動識別的精確度高，誤差率低。

2）實驗 2

通過 2 種算法，分別對雷達目標(biāo)采集的圖像進行識別，對于 2 種算法識別效果，對比效果如圖5和圖6所示。

從圖5和圖6可看出，傳統(tǒng)算法對雷達目標(biāo)特征向量點的提取不精確，不能完成準(zhǔn)確識別；而改進算法較大幅度提高海上雷達目標(biāo)識別率和作戰(zhàn)效率。

圖6　無監(jiān)督鑒別投影算法對目標(biāo)識別效果Fig.6　Unsupervised differential projection algorithm for target recognition effect

4　結(jié) 語

針對艦船雷達傳統(tǒng)模式識別目標(biāo)方法的局限性，本文提出了基于語義 Web的艦船雷達回波視頻圖像自動識別系統(tǒng)，通過語義環(huán)境提取大量目標(biāo)特征信息，重新組合形成數(shù)據(jù)庫，儲存于模塊控制器中。以此為依據(jù)在分類器中進行輸出，采用無監(jiān)督鑒別投影算法對在 Web 網(wǎng)組合的數(shù)據(jù)矩陣進行分析，綜合運算后，對艦船雷達目標(biāo)自動識別。該系統(tǒng)解決了雷達難以對海上目標(biāo)自動識別的問題，進一步優(yōu)化和改善雷達自動識別系統(tǒng)的功能，豐富了回波視頻圖像數(shù)據(jù)庫中的樣本，有一定實用性。

［1］但波，姜永華，李敬軍，等.基于距離多結(jié)構(gòu)的末制導(dǎo)雷達目標(biāo)識別方法研究［J］.電波科學(xué)學(xué)報，2015，30（2）：307-315.DAN Bo，JIANG Yong-hua，LI Jing-jun，et al.Target identification method of terminal guidance radar based on range multistructure［J］.Chinese Journal of Radio Science，2015，30（2）：307-315.

［2］陳小剛，李志堅，季輝.增加船載雷達位置環(huán)船搖隔離度方法研究［J］.電子設(shè)計工程，2015，23（17）：105-107.CHEN Xiao-gang，LI Zhi-jian，JI Hui.Research on position loop to increase the isolation of boat rocking for shipborne radar［J］.Electronicdesign Engineering，2015，23（17）：105-107.

［3］劉慶華，陶峰.擴展卡爾曼濾波算法在船舶雷達液位測量系統(tǒng)中的應(yīng)用［J］.江蘇科技大學(xué)學(xué)報（自然科學(xué)版），2015，29（5）：449-453.LIU Qing-hua，TAO Feng.Application of extended Kalman filtering in ship radar level measurement system［J］.Journal of Jiangsu University of Science and Technology（natural science edition），2015，29（5）：449-453.

［4］莫翠瓊，陳秋菊，戴幻堯.反艦導(dǎo)彈雷達導(dǎo)引頭艦船目標(biāo)回波仿真技術(shù)［J］.計算機仿真，2014，31（10）：16-19，34.MO Cui-qiong，CHEN Qiu-ju，DAI Huan-yao.Ship target return simulation technology of antiship missile radar seeker［J］.Computer Simulation，2014，31（10）：16-19，34.

［5］臧會凱，周生華，劉宏偉，等.應(yīng)用正交碼組信號的傳統(tǒng)雷達距離旁瓣抑制方法［J］.電子與信息學(xué)報，2014，36（2）：445-452.ZANG Hui-kai，ZHOU Sheng-hua，LIU Hong-wei，etal.Range sidelobe suppression for conventional radar using orthogonal waveforms［J］.Journal of Electronics & Information Technology，2014，36（2）：445-452.

［6］余定峰，耿攀，徐正喜，等.基于電磁建模的艦船雷達波隱身技術(shù)［J］.艦船科學(xué)技術(shù)，2014，36（11）：80-85.YU Ding-feng，GENG Pan，XU Zheng-xi，et al.Research on radar stealth technology of ship based on electromagnetic modeling［J］.Ship Science and Technology，2014，36（11）：80-85.

［7］蘇鵬，馮志勇，陳世展.交互式Web服務(wù)語義增強［J］.計算機科學(xué)與探索，2015，9（6）：682-691.SU Peng，F(xiàn)ENG Zhi-yong，CHEN Shi-zhan.Semantic enhancements of web service with interaction［J］.Journal of Frontiers of Computer Science and Technology，2015，9（6）：682-691.

［8］張杰，劉輝，歐倫偉.改進的FastICA算法研究［J］.計算機工程與應(yīng)用，2014，50（6）：210-212.ZHANG Jie，LIU Hui，OU Lun-wei.Research on improved FastICA algorithms［J］.Computer Engineering and Applications，2014，50（6）：210-212.

［9］楊昭，向正義，王欣，等.關(guān)于寬帶雷達成像目標(biāo)跟蹤識別仿真研究［J］.計算機仿真，2015，32（11）：55-59.YANG Zhao，XIANG Zheng-yi，WANG Xin，et al.Simulation research about UWB radar imaging target trackingand Recognition［J］.Computer Simulation，2015，32（11）：55-59.

［10］王燕，劉花麗，蘇文君.基于核正交半監(jiān)督鑒別分析的人臉識別算法［J］.計算機工程與應(yīng)用，2014，50（12）：120-124.WANG Yan，LIU Hua-li，SU Wen-jun.Face recognition algorithm based on kernel orthogonal semi-supervised discriminant analysis［J］.Computer Engineering and Applications，2014，50（12）：120-124.

Athletes wrong posture recognition method swimming competition video

ZHANG Jia
（Yangtze University College of Technology & Engineering，Jingzhou 434020，China）

In view of ship radar signal recognition method is simple，identify degree is low，this paper puts forward the Web based semantic automatic recognition of radar echo of ships.Because of radar signal characteristic information point fragmented and multifarious，radar signal in the semantic Web offline data characteristics of the target image，using the improved FastICA algorithm to extract the feature data，through the intelligent radar video image recognition system，the analysis of ship target image.Experiments show that semantic ship radar target recognition system based on Web，the system can make a lot of information，make full use of to achieve the purpose of accurately identify the ship radar image.

semantic web；image feature extraction；FastICA algorithm；image recognition；intelligent radar echo system

TP391

A

1672-7619（2016）07-0133-05

10.3404/j.issn.1672-7619.2016.07.030

2016-05-06

湖北省教育科學(xué)規(guī)劃資助項目（2015GB165）

張佳（1983-），男，講師，研究方向為軟件工程及 Web 語義網(wǎng)。