论文部分内容阅读
雷达信号语义分析的一项重要内容是在低层雷达信号序列中识别出具有较为明确含义的高层工作模式。一种常见的方法是在信号序列中标出某种工作模式的起始点,这种方法只能获得工作模式的边界,不能获得该工作模式的内部结构信息。雷达语义结构分析就是要研究雷达工作模式的内部结构,研究其如何从低层雷达信号序列逐层组合,最后构成不同的工作模式。这不仅为工作模式识别问题提供了另一种途径,也为分析不同工作模式的共性和差异、对雷达信号进行高层语义解释提供了有用的信息,因此,雷达语义结构分析具有重要的理论和应用价值。本文在综述前人工作基础上,将雷达语义结构分为四个层次:低层的雷达脉冲序列、雷达字、雷达短语以及雷达句子(工作模式),借鉴对人类自然语言进行层次结构分析的一些思路,开展了如下工作:在对不同工作模式下的脉冲序列进行分析的基础上,提出一种基于隐马尔科夫模型(HMM,Hidden Markov Model)的雷达字构建方法,并设计了在雷达信号序列中进行隐马尔科夫雷达字识别的算法,基于该算法可以将脉冲序列转换为简洁的雷达字序列。实验结果表明,本文所提出的雷达字构建与识别算法在多工作模式分别使用各自的雷达字以及多工作模式共享同一套雷达字的情况下都具有较好的性能。提出了一套数据驱动的基于雷达字的概率上下文无关语法(PCFG,Probability Context Free Grammar)规则抽取方法,该方法利用雷达字bigram数据获取满足Chomsky范式的PCFG规则,所抽取的PCFG规则是从雷达字到雷达短语和雷达句子的构成规则集。基于该规则集,可以构建雷达句子(工作模式)的层次结构树。实验结果表明了其有效性。基于上述方法实现了一个雷达信号结构分析系统,系统在包含语义状态分析功能的基础上,可以辅助进行雷达字识别以及PCFG规则的抽取。