曾德國(guó)，徐富元，張 君，劉 建

(中國(guó)航天科工集團(tuán)8511研究所，江蘇 南京 210007)

·技術(shù)前沿·

天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)

曾德國(guó)，徐富元，張 君，劉 建

(中國(guó)航天科工集團(tuán)8511研究所，江蘇 南京 210007)

當(dāng)前電子偵察數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng)，如何挖掘電子偵察的潛力，提升應(yīng)用效能是當(dāng)前電子偵察技術(shù)研究面臨的關(guān)鍵問(wèn)題。海量電磁數(shù)據(jù)深度處理平臺(tái)以大數(shù)據(jù)技術(shù)為手段，利用云存儲(chǔ)、云計(jì)算構(gòu)建海量電磁數(shù)據(jù)的大數(shù)據(jù)深度處理框架，通過(guò)數(shù)據(jù)抽取、知識(shí)圖譜構(gòu)建、數(shù)據(jù)規(guī)律挖掘等關(guān)鍵技術(shù)，實(shí)現(xiàn)基于電磁信息的戰(zhàn)場(chǎng)目標(biāo)狀態(tài)與意圖預(yù)測(cè)，可有效提高電子偵察在現(xiàn)代信息作戰(zhàn)中的重要性，提升電磁情報(bào)對(duì)戰(zhàn)略、戰(zhàn)役、戰(zhàn)術(shù)的支援能力。

海量電磁數(shù)據(jù)；云存儲(chǔ)；云計(jì)算；深度處理

0 引言

隨著科技的發(fā)展以及各國(guó)對(duì)電子偵察衛(wèi)星的重視，電子偵察衛(wèi)星裝備數(shù)量快速增加，衛(wèi)星電子偵察數(shù)據(jù)呈現(xiàn)爆發(fā)式增長(zhǎng)，衛(wèi)星地面應(yīng)用系統(tǒng)的能力也不斷增強(qiáng)，產(chǎn)生的情報(bào)種類(lèi)也不斷豐富，每型衛(wèi)星系統(tǒng)生存周期內(nèi)的偵察數(shù)據(jù)和情報(bào)的數(shù)據(jù)量也增長(zhǎng)了數(shù)倍，加之衛(wèi)星的數(shù)量不斷上升，總的數(shù)據(jù)量已達(dá)到了PB的規(guī)模。同時(shí)，隨著衛(wèi)星電子偵察能力的提升，偵察情報(bào)質(zhì)量也有了較大的提高，也助推了不同衛(wèi)星之間的偵察數(shù)據(jù)/情報(bào)融合以期得到更多情報(bào)需求的進(jìn)一步強(qiáng)化。

在電子偵察衛(wèi)星快速發(fā)展的同時(shí)，上述各型衛(wèi)星應(yīng)用系統(tǒng)在以下諸多方面還存在明顯的不足：一是電子偵察數(shù)據(jù)的處理深度不夠，特別是缺乏基于多星聯(lián)合的深度挖掘能力；二是處理的層次不夠，目前基本處于數(shù)據(jù)判別、單目標(biāo)簡(jiǎn)單判別、平臺(tái)簡(jiǎn)單判別等方面，在電子目標(biāo)的行為層面情報(bào)的分析能力較弱，電子作戰(zhàn)意圖情報(bào)、預(yù)測(cè)情報(bào)、群目標(biāo)任務(wù)情報(bào)基本處于空白狀態(tài)；三是應(yīng)用系統(tǒng)的自適應(yīng)、自學(xué)習(xí)的能力較弱，缺乏與偵察載荷或外部環(huán)境的交互、反饋能力和自適應(yīng)能力；四是應(yīng)用系統(tǒng)的戰(zhàn)術(shù)支援能力較弱，體現(xiàn)在與聯(lián)合作戰(zhàn)行動(dòng)任務(wù)的緊密關(guān)系不足以及實(shí)時(shí)支援能力不足。

大數(shù)據(jù)技術(shù)發(fā)展到今天，許多技術(shù)已相對(duì)成熟，模型豐富、機(jī)器學(xué)習(xí)、自適應(yīng)等技術(shù)特點(diǎn)可以較好地應(yīng)用到上述問(wèn)題的解決途徑中，因此，基于大數(shù)據(jù)技術(shù)的電子偵察數(shù)據(jù)挖掘和智能處理技術(shù)的研究就顯得尤為迫切。

1 總體框架

1.1 天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)的總體架構(gòu)

天基信息云服務(wù)平臺(tái)的總體架構(gòu)可以按照?qǐng)D1進(jìn)行搭建。

天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)的總體架構(gòu)研究主要由兩部分任務(wù)組成：天基信息融合處理技術(shù)研究和基于云技術(shù)的平臺(tái)架構(gòu)。

1.2 基于云技術(shù)的平臺(tái)架構(gòu)

基于云技術(shù)的平臺(tái)架構(gòu)主要由云存儲(chǔ)、云計(jì)算和可視化圖表展現(xiàn)引擎組成。

云存儲(chǔ)通過(guò)集群應(yīng)用、網(wǎng)絡(luò)技術(shù)和分布式文件系統(tǒng)等功能，將處理網(wǎng)絡(luò)中大量各種不同類(lèi)型的存儲(chǔ)設(shè)備通過(guò)專(zhuān)用的軟件方式集合起來(lái)協(xié)同工作，共同對(duì)外提供數(shù)據(jù)存儲(chǔ)和業(yè)務(wù)訪問(wèn)功能。云存儲(chǔ)的建設(shè)可以通過(guò)其強(qiáng)大的集成和高效訪問(wèn)能力，解決天基海量偵測(cè)信息的存儲(chǔ)、傳輸和訪問(wèn)問(wèn)題，提供安全的數(shù)據(jù)接口、數(shù)據(jù)清洗和格式轉(zhuǎn)換的處理平臺(tái)。

云計(jì)算通過(guò)分布式計(jì)算、并行計(jì)算、效用計(jì)算和網(wǎng)絡(luò)傳輸?shù)燃夹g(shù)，將處理網(wǎng)絡(luò)中各計(jì)算節(jié)點(diǎn)集成起來(lái)統(tǒng)一調(diào)度，根據(jù)各插件軟件的需求合理分配計(jì)算資源，實(shí)現(xiàn)處理系統(tǒng)的負(fù)載均衡和高效運(yùn)行，能夠解決天基海量數(shù)據(jù)的高計(jì)算量需求問(wèn)題。

可視化圖表展示引擎通過(guò)圖形、圖像處理、計(jì)算機(jī)視覺(jué)等方法，根據(jù)各插件的需求提供對(duì)數(shù)字、圖片、實(shí)體關(guān)系等數(shù)據(jù)的圖形、動(dòng)畫(huà)、三維的可視化展示平臺(tái)。

1.3 天基信息融合處理技術(shù)研究

天基信息融合處理技術(shù)研究主要由數(shù)據(jù)源、數(shù)據(jù)采集、知識(shí)圖譜、數(shù)據(jù)處理和應(yīng)用服務(wù)組成。

天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)項(xiàng)目主要處理的數(shù)據(jù)源由天基數(shù)據(jù)和其他數(shù)據(jù)組成。天基數(shù)據(jù)主要由偵察數(shù)據(jù)(圖像、電子偵察數(shù)據(jù))和測(cè)繪數(shù)據(jù)組成。其他數(shù)據(jù)主要由互聯(lián)網(wǎng)(文本、聲像)、氣象水文、情報(bào)等數(shù)據(jù)組成。天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)數(shù)據(jù)源可以統(tǒng)一地存儲(chǔ)在云存儲(chǔ)平臺(tái)中，并且向處理上層提供統(tǒng)一的調(diào)用接口，以滿足處理插件對(duì)數(shù)據(jù)靈活調(diào)用與處理。

數(shù)據(jù)采集主要的功能是數(shù)據(jù)的獲取和數(shù)據(jù)的清洗。根據(jù)各處理插件額需求，通過(guò)數(shù)據(jù)接口采集數(shù)據(jù)，同時(shí)對(duì)多源異構(gòu)數(shù)據(jù)清洗，去除其中不必要的參數(shù)和特征，降低數(shù)據(jù)傳輸對(duì)網(wǎng)絡(luò)帶寬的要求。數(shù)據(jù)采集的工作是在云存儲(chǔ)平臺(tái)中的各存儲(chǔ)器端實(shí)現(xiàn)。

知識(shí)圖譜通過(guò)實(shí)體抽取，關(guān)系規(guī)則挖掘和實(shí)體關(guān)系表達(dá)等關(guān)鍵技術(shù)的研究，對(duì)天基多源異構(gòu)的海量數(shù)據(jù)實(shí)現(xiàn)共指消歧，實(shí)體對(duì)齊等功能構(gòu)建基于目標(biāo)、事件、地物、區(qū)域的多維度知識(shí)圖譜，為目標(biāo)行為規(guī)律分析與預(yù)測(cè)、動(dòng)態(tài)監(jiān)視和態(tài)勢(shì)感知提供豐富的數(shù)據(jù)特征。由于天基信息獲取能力不斷提高，天基數(shù)據(jù)量日益劇增，知識(shí)圖譜在構(gòu)建和更新過(guò)程中會(huì)產(chǎn)生大量的計(jì)算需求，因此需要依托云計(jì)算平臺(tái)實(shí)現(xiàn)快速的關(guān)系規(guī)則挖掘?yàn)閳D譜的及時(shí)更新提供保障。

數(shù)據(jù)處理是基于知識(shí)圖譜的基礎(chǔ)上，依托海量天基數(shù)據(jù)，面向情報(bào)需求，利用機(jī)器學(xué)習(xí)、規(guī)則挖掘等關(guān)鍵技術(shù)，根據(jù)天基獲取當(dāng)前信息，建立實(shí)體規(guī)律和預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)目標(biāo)行為規(guī)律挖掘與預(yù)測(cè)、目標(biāo)動(dòng)態(tài)監(jiān)視、事件預(yù)測(cè)和態(tài)勢(shì)感知。

應(yīng)用服務(wù)是利用計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù)，將情報(bào)數(shù)據(jù)轉(zhuǎn)化成圖形或圖像，以交互處理的理論、方法和技術(shù)面向用戶提供個(gè)性化、準(zhǔn)確的目標(biāo)行為、目標(biāo)狀態(tài)、事件狀態(tài)和態(tài)勢(shì)形式的情報(bào)信息服務(wù)，增強(qiáng)軍委、各戰(zhàn)區(qū)和各武器平臺(tái)對(duì)情報(bào)數(shù)據(jù)的理解、探索和交流能力。

2 知識(shí)圖譜的構(gòu)建

針對(duì)情報(bào)保障智能化、自動(dòng)化需求，瞄準(zhǔn)信息快速關(guān)聯(lián)、高效檢索以及隱含關(guān)系發(fā)現(xiàn)、推理預(yù)測(cè)等需求，突破多源信息的實(shí)體抽取、實(shí)體關(guān)系挖掘以及實(shí)體關(guān)系表達(dá)等關(guān)鍵技術(shù)，為面向情報(bào)任務(wù)的目標(biāo)行為規(guī)律挖掘與預(yù)測(cè)，目標(biāo)動(dòng)態(tài)監(jiān)視，重大事件預(yù)警以及戰(zhàn)場(chǎng)態(tài)勢(shì)感知提供多維度的樣本特征。

2.1 知識(shí)圖譜的構(gòu)建過(guò)程

知識(shí)圖譜的構(gòu)建過(guò)程如圖2所示。

知識(shí)圖譜的構(gòu)建首先應(yīng)以情報(bào)需求的目標(biāo)為中心，從海量的天基信息數(shù)據(jù)源中進(jìn)行實(shí)體抽取，通過(guò)現(xiàn)有的關(guān)系數(shù)據(jù)庫(kù)或規(guī)則得到一些簡(jiǎn)單的實(shí)體之間的關(guān)系。但是有些實(shí)體關(guān)系是隱藏的、未知的，需要人工的判別或者大量數(shù)據(jù)的挖掘才能得到，因此通過(guò)實(shí)體關(guān)系挖掘可以得到更深層次的實(shí)體關(guān)系，最后通過(guò)實(shí)體關(guān)系表達(dá)構(gòu)建知識(shí)圖譜。

2.2 實(shí)體抽取

針對(duì)天基多源數(shù)據(jù)以及其他引接數(shù)據(jù)對(duì)于實(shí)體的描述不一致性問(wèn)題，從海量的天基信息數(shù)據(jù)中抽取參數(shù)、名稱(chēng)和語(yǔ)義等信息通過(guò)數(shù)據(jù)關(guān)系庫(kù)和規(guī)則實(shí)現(xiàn)實(shí)體對(duì)齊與共指消歧，完成實(shí)體集合的建立。

實(shí)體抽取的過(guò)程如圖3所示。

天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)的數(shù)據(jù)源主要由天基數(shù)據(jù)(包含圖像偵察、電子偵察和測(cè)繪數(shù)據(jù))以及其他信息(文本、聲像、情報(bào)等數(shù)據(jù))。天基信息中由于天基手段各異，獲得的情報(bào)產(chǎn)品也不相同，其他信息中更是包含了大量非結(jié)構(gòu)的數(shù)據(jù)，因此各種實(shí)體間的對(duì)齊方式也是不相同的。

圖像偵察的實(shí)體對(duì)齊：現(xiàn)有的天基圖像偵察的方式主要包括紅外、可見(jiàn)光、SAR以及高光譜等手段，其作用的實(shí)體目標(biāo)包括飛機(jī)、艦船、地物等。由于各種天基圖像偵察的原理不相同，因此對(duì)于實(shí)體的描述表征均不相同，在實(shí)體對(duì)齊的過(guò)程中可以借用現(xiàn)有的圖像識(shí)別庫(kù)，通過(guò)目標(biāo)名稱(chēng)和一些固定的參數(shù)實(shí)現(xiàn)紅外、可見(jiàn)光、SAR以及高光譜作用實(shí)體間的對(duì)齊。形成目標(biāo)的實(shí)體集。

電子偵察的實(shí)體對(duì)齊：現(xiàn)有的天基電子偵察主要的情報(bào)產(chǎn)品包括中頻數(shù)據(jù)、全脈沖數(shù)據(jù)和輻射源信息。由于輻射源的存在脈間捷變、脈組捷變、頻率跳變等多種工作方式，因此在輻射源實(shí)體對(duì)齊過(guò)程中可以借用一些輻射源庫(kù)將多種全脈沖，中頻參數(shù)與輻射源的名稱(chēng)進(jìn)行對(duì)齊，形成輻射源的實(shí)體集。

其他信息的實(shí)體對(duì)齊：文本、聲像、情報(bào)等數(shù)據(jù)相比較于天基數(shù)據(jù)更加復(fù)雜，包含了多種實(shí)體(包括事件、地物、目標(biāo)和區(qū)域)。很多信息數(shù)據(jù)均是非結(jié)構(gòu)化的，在處理之前需要進(jìn)行元數(shù)據(jù)的提取，然后由于信息中存在語(yǔ)義的共指和歧義，需要通過(guò)規(guī)則進(jìn)行共指消歧，形成多種實(shí)體集。

2.3 實(shí)體關(guān)系挖掘

天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)的實(shí)體應(yīng)包括目標(biāo)、事件、地物和區(qū)域等實(shí)體，天基海量信息應(yīng)包含偵察、測(cè)繪和其他信息等。因此各實(shí)體之間的關(guān)系有十分明顯，也有較為隱藏的，需要去挖掘才能發(fā)現(xiàn)。通過(guò)信息推理、數(shù)理統(tǒng)計(jì)、判讀經(jīng)驗(yàn)積累等方法，實(shí)現(xiàn)各實(shí)體間關(guān)系的挖掘。

實(shí)體關(guān)系挖掘的過(guò)程如圖4所示。

軍事行動(dòng)中目標(biāo)的行為、事件的發(fā)展和態(tài)勢(shì)的轉(zhuǎn)變與多種因素有關(guān)，如作戰(zhàn)任務(wù)、地理環(huán)境、軍事形勢(shì)、指揮思想、目標(biāo)性能等。因此知識(shí)圖譜中的各實(shí)體之間的關(guān)系錯(cuò)綜復(fù)雜，相互影響，因此需要深入研究各實(shí)體間關(guān)系，構(gòu)建完備的知識(shí)圖譜。

為了滿足天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)知識(shí)圖譜的要求，可以從以下幾個(gè)方面考慮進(jìn)行實(shí)體間的關(guān)聯(lián)。首先可以利用一些先驗(yàn)的信息，如關(guān)聯(lián)數(shù)據(jù)庫(kù)、已有的關(guān)聯(lián)規(guī)則等，實(shí)現(xiàn)關(guān)系關(guān)聯(lián)；其次可以通過(guò)位置、時(shí)間、描述、數(shù)據(jù)的匹配統(tǒng)計(jì)實(shí)現(xiàn)實(shí)體關(guān)系的挖掘；最后通過(guò)對(duì)判讀員經(jīng)驗(yàn)積累完成實(shí)體關(guān)系建立。

2.4 實(shí)體關(guān)系表達(dá)

完備的知識(shí)圖譜可以為數(shù)據(jù)處理的規(guī)律挖掘與模型訓(xùn)練提供更高維度的特征數(shù)據(jù)。因此在實(shí)體抽取與關(guān)系挖掘的基礎(chǔ)上，通過(guò)實(shí)體關(guān)系圖進(jìn)行數(shù)據(jù)庫(kù)的建模是知識(shí)圖譜在天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)中的實(shí)際應(yīng)用方式。

天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)中的實(shí)體關(guān)系圖(ERD)如圖5所示。

通過(guò)實(shí)體關(guān)系圖的建立可以預(yù)先精確定義數(shù)據(jù)庫(kù)的需求，但是轉(zhuǎn)向數(shù)據(jù)建模工具的時(shí)候會(huì)存在以下難題。

首先是如何使用建模符號(hào)準(zhǔn)確地描述實(shí)體與實(shí)體關(guān)系；其次如何在不丟失任何關(guān)鍵信息的前提下，用數(shù)據(jù)建模工具描述實(shí)體關(guān)系圖；最后如何開(kāi)發(fā)一個(gè)對(duì)實(shí)體關(guān)系圖全面支持的工具。

基于實(shí)體關(guān)系圖的數(shù)據(jù)模型初步如圖6所示。相對(duì)于目前傳統(tǒng)的數(shù)據(jù)組織

方式，有以下優(yōu)勢(shì)：首先是漸增式數(shù)據(jù)模式設(shè)計(jì)：初始設(shè)計(jì)的時(shí)候，很難清楚所有的概念，而知識(shí)圖譜的動(dòng)態(tài)可擴(kuò)充性以及“無(wú)模式”特性使得用戶很容易增加或修改模式；其次數(shù)據(jù)集成更方便：本體的語(yǔ)義互操作特性以及“鏈接數(shù)據(jù)”原則，使得來(lái)自不同供應(yīng)商的數(shù)據(jù)集成更為方便。再其次是現(xiàn)有標(biāo)準(zhǔn)支持：有RDF(S),OWL, SPARQL等標(biāo)準(zhǔn)，可以逐漸要求內(nèi)容供應(yīng)商支持；最后是數(shù)據(jù)和知識(shí)應(yīng)用更簡(jiǎn)單：可實(shí)現(xiàn)自然語(yǔ)言形式的語(yǔ)義檢索。

3 數(shù)據(jù)處理與應(yīng)用服務(wù)

天基海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)主要包括搭載平臺(tái)和工作模式分類(lèi)分析服務(wù)、艦船行為的分類(lèi)服務(wù)和多源數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘服務(wù)。

3.1 基于ELM的搭載平臺(tái)和工作模式分類(lèi)分析服務(wù)

ELM(extreme learning machine)極速學(xué)習(xí)器是一種深度機(jī)器學(xué)習(xí)挖掘規(guī)則的方法，對(duì)比傳統(tǒng)單層神經(jīng)網(wǎng)絡(luò)，具備精度相同但速度更快的優(yōu)點(diǎn)。ELM是由黃廣斌提出來(lái)的求解神經(jīng)網(wǎng)絡(luò)算法，神經(jīng)網(wǎng)絡(luò)模型如圖7所示。ELM最大的特點(diǎn)是對(duì)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，尤其是單隱前饋神經(jīng)網(wǎng)絡(luò)(SLFNs)，ELM比傳統(tǒng)的學(xué)習(xí)算法速度更快。

通過(guò)ELM技術(shù)學(xué)習(xí)可以實(shí)現(xiàn)對(duì)實(shí)時(shí)電磁數(shù)據(jù)進(jìn)行搭載平臺(tái)和工作模式分類(lèi)的服務(wù)。

3.2 基于LSTM的艦船行為分類(lèi)服務(wù)

LSTM是基于RNN的時(shí)間序列神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)已知時(shí)間發(fā)生時(shí)間狀態(tài)學(xué)習(xí)，判斷下一時(shí)刻的狀態(tài)。海量電磁數(shù)據(jù)深度處理服務(wù)平臺(tái)中輸入數(shù)據(jù)是一個(gè)時(shí)間與空間結(jié)合的數(shù)據(jù)類(lèi)型。所有RNN 都具有一種重復(fù)神經(jīng)網(wǎng)絡(luò)模塊的鏈?zhǔn)降男问?。在?biāo)準(zhǔn)的RNN中，這個(gè)重復(fù)的模塊只有一個(gè)非常簡(jiǎn)單的結(jié)構(gòu)，例如一個(gè)tanh層，如圖8所示。

LSTM同樣是這樣的結(jié)構(gòu)，但是重復(fù)的模塊擁有一個(gè)不同的結(jié)構(gòu)。不同于單一神經(jīng)網(wǎng)絡(luò)成，如圖9所示，這里有四個(gè)，以一種非常特殊的方式進(jìn)行交互，也是LSTM基于RNN神經(jīng)網(wǎng)絡(luò)的改進(jìn)項(xiàng)。

如圖9所示，每一條黑線傳輸著一整個(gè)向量，從一個(gè)節(jié)點(diǎn)的輸出到其它節(jié)點(diǎn)的輸入。中間的圈代表pointwise的操作，諸如向量的和，而陰影的矩陣就是學(xué)習(xí)到的神經(jīng)網(wǎng)絡(luò)層。合在一起的線表示向量的連接，分開(kāi)的線表示內(nèi)容被復(fù)制，然后分發(fā)到不同的位置。

3.3 基于Apriori算法的多源數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘服務(wù)

Apriori算法使用頻繁項(xiàng)集的先驗(yàn)知識(shí)，使用一種稱(chēng)作逐層搜索的迭代方法，k項(xiàng)集用于探索(k+1)項(xiàng)集。首先，通過(guò)掃描事務(wù)(交易)記錄，找出所有的頻繁1項(xiàng)集，該集合記做L1，然后利用L1找頻繁2項(xiàng)集的集合L2，L2找L3，如此下去，直到不能再找到任何頻繁k項(xiàng)集。最后再在所有的頻繁集中找出強(qiáng)規(guī)則，即產(chǎn)生用戶感興趣的關(guān)聯(lián)規(guī)則。

由于電磁信號(hào)與多源標(biāo)注信息之間的語(yǔ)義關(guān)聯(lián)度不強(qiáng)，比起因果關(guān)聯(lián)模型，采用數(shù)據(jù)統(tǒng)計(jì)的Apriori算法更為合適。其次由于需要常常更新知識(shí)庫(kù)的關(guān)聯(lián)模塊信息，導(dǎo)致大量信息需要重復(fù)計(jì)算，Apriori算法計(jì)算代價(jià)較低，且更新后精度較高。

4 結(jié)束語(yǔ)

本文介紹了一種基于大數(shù)據(jù)處理的輻射源識(shí)別技術(shù)，具體包含了大數(shù)據(jù)處理系統(tǒng)的構(gòu)架、知識(shí)圖譜的構(gòu)建與基于無(wú)標(biāo)簽電子偵察數(shù)據(jù)的聚類(lèi)實(shí)例。該技術(shù)能夠依托海量的天基電子偵察數(shù)據(jù)為基礎(chǔ)，利用數(shù)據(jù)挖掘、智能聚類(lèi)等方法實(shí)現(xiàn)對(duì)輻射源目標(biāo)快速、準(zhǔn)確、全面的識(shí)別與意圖預(yù)測(cè)，對(duì)于電子偵察領(lǐng)域的技術(shù)研究的發(fā)展具有一定的指導(dǎo)意義。■

[1] 莊嚴(yán)，李國(guó)良，馮建華.知識(shí)庫(kù)實(shí)體對(duì)齊技術(shù)綜述[J].計(jì)算機(jī)研究與發(fā)展,2016,53(1):165-192.

[2] 沙毅，陳曦，張立立，等.基于ELM神經(jīng)網(wǎng)絡(luò)的FAST節(jié)點(diǎn)位移預(yù)測(cè)研究[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版)，2017,38(5)：630-633.

[3] 姚慶鍇，柳少軍，賀筱媛，等.戰(zhàn)場(chǎng)目標(biāo)作戰(zhàn)意圖識(shí)別問(wèn)題研究與展望[J].指揮與控制學(xué)報(bào),2017,3(2)：127-131.

[4] 趙月，任永功，劉洋.基于MapReduce 的改進(jìn)的Apriori算法及其應(yīng)用研究[J].計(jì)算機(jī)科學(xué)，2017,44(6)：250-254.

Depth-processingplatformbasedonthemassspace-electromagneticdata

Zeng Deguo, Xu Fuyuan, Zhang Jun, Liu Jian

(No.8511 Research Institute of CASIC,Nanjing 210007,Jiangsu,China)

The electronic reconnaissance data has seen an explosion of mergers. How to exploit the potentialities from the electronic reconnaissance data is the key issue of the electronic reconnaissance technology. Big data as a method is used in the depth-processing platform based on the mass space-electromagnetic data. The framework of the depth-processing platform based on the mass space-electromagnetic data is built by cloud computing and storage. The target state and intention prediction is acquired by the data extraction, knowledge map and law mining.The depth-processing platform based on the mass space-electromagnetic data can enhance the significance of the electronic reconnaissance in the modern information warfare and promote the capacity of electromagnetic intelligence in the war of strategy, battle or tactics.

mass electromagnetic data;cloud computing;cloud storage;depth-processing

2017-07-20；2017-08-12修回。

曾德國(guó)(1985-)，男，高工，博士，主要研究方向?yàn)殡娮觽刹旖邮諜C(jī)。

TN97

A