一种新的SAR欺骗式干扰性能评估方法

　　摘 要:雷达欺骗式干扰性能评估是电子对抗领域的一个重要课题。现有评估技术都是基于某单一特征,评估结果比较片面。针对这一不足,提出一种基于目标识别与模糊综合评判的SAR欺骗式干扰性能评估方法,综合考虑目标识别系统可能应用的识别特征,利用模糊综合评判的方法对虚假目标图像的逼真度进行综合评判,然后考虑系统处理时间对干扰性能的影响,对综合评判结果进行修正,该方法具有一定的理论和现实意义。
　　关键词: SAR; 欺骗式干扰; 性能评估; 目标识别; 模糊综合评判
　　中图分类号:TN95 文献标识码:A
　　文章编号:1004-373X(2010)11-0014-04
　　
　　New Method for Evaluation of SAR Deception Jamming
　　ZENG Yue, XU Shao-kun
　　(School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China)
　　Abstract: Performance evaluation of radar deception jamming is important in the field of electronic countermeasures. The existed evaluation methods are mostly based on certain single recognition feature, and corresponding evaluation results are unilateral. A new evaluation method for SAR deception jamming based on target recognition and fuzzy synthetical evaluation is proposed for the disadvantages. The similarity of false target image is evaluated by using fuzzy synthetical evaluation method in light of the features used by automatic target recognition system, and the synthetical evaluation result is modified by thinking over the influence of processing time to jamming performance.
　　Keywords: SAR; deception jamming; performance evaluation; target recognition; fuzzy synthetical evaluation
　　
　　0 引 言
　　合成孔径雷达(Synthetic Aperture Radar,SAR)[1]是一种利用微波进行感知的主动式相干成像雷达,由于具有全天时、全天候的工作能力,且具有一定的穿透特性,因此已经成为空间感知的重要手段,在战场侦察监视、打击效果评估等方面发挥着极其重要的作用。对SAR的干扰技术已成为电子对抗领域的重要课题。目前,对SAR的干扰措施主要分为压制式干扰和欺骗式干扰,欺骗式干扰由于其灵活性和较小的工作功率受到了越来越多的关注。
　　干扰效果评估是对干扰技术性能的一个综合性评价,已成为雷达对抗领域中的重要课题。由于技术保密等原因,国外可参考的SAR对抗方面的文献少之又少,有关SAR干扰性能评估的文献更是难以找到。压制式干扰是通过降低SAR对目标成像质量来阻止敌方获取被保护目标的正确信息,干扰后SAR图像质量越差,干扰效果越好。针对压制式干扰技术,国内学者从图像质量的角度,先后提出了压制系数准则、信息准则、功率准则、EMJ准则、熵谱准则、战术运用准则、模糊综合评判准则[2]等,并且研制出了以EMJ准则为基础的压制式噪声干扰度量设备。但由于干扰方式不同,这些度量准则都不适合用于通过产生虚假目标对进行SAR欺骗干扰的效果评估。
　　欺骗干扰是通过在SAR图像中产生逼真的虚假目标来阻止敌方获取被保护区域的正确信息,扰乱敌方判决系统。产生的虚假目标图像与所希望模拟的实际目标图像越相似,干扰效果越好。因此,可以采用干扰后产生的虚假目标SAR图像与实际目标图像之间的相似性度量作为准则,评估SAR欺骗式干扰的性能。文献[3]提出了一种基于目标几何尺寸的评估方法,文献[4]提出了一种基于图像区域纹理的评估方法。两种方法都可以在一定条件下实现对SAR的欺骗式干扰性能评估,但都存在以下缺陷:
　　(1) 只考虑了图像中目标的一种特征,而敌方目标识别系统究竟采用哪种或哪几种特征进行识别并不确定。例如,文献[5]报道了利用目标图像在方向上的连续性来识别基于数字图像合成技术生成的虚假目标。
　　(2) 在进行干扰性能评估时,没有考虑识别系统辨别目标真伪所消耗的时间。实际上,系统能否及时辨别图像中目标的真伪,对情报的获取至关重要,有时,只要能延缓敌方情报系统根据SAR图像获取有用信息,也是一种成功的干扰。针对上述问题,本文通过分析SAR系统识别目标时可能用到的潜在识别特征,结合模糊综合评判的方法,提出了一种新的SAR欺骗式干扰性能评估方法。该方法根据美军典型的SAR自动目标识别(Automatic Target Recognition,ATR)系统的工作方法,综合考虑了SAR图像解译时可能用到的多种特征以及系统识别目标真伪的处理时间,是一种综合性的性能评估方法。
　　1 SAR目标识别方法简介
　　1.1 SAR图像特点
　　SAR观测所得的原始数据是把平台发射的宽幅脉冲到达地表后的后向散射特性按时间序列记录下来的数据,经距离向和方位向的数据压缩等一系列处理后,可得到重建的SAR图像。与光学图像不同,目标的ISAR图像具有易变性,尤其是随着目标方位角的变化有着不同的表像;同时,SAR图像本身也是高维矢量。一般来说,SAR图像具有以下特点:
　　(1) 目标边缘模糊。由于雷达波的反射不均匀,图像分辨率较低,虽然合成孔径雷达相对于其他雷达分辨率较高,但SAR图像中的目标与其他地面物体比较,分辨率仍然不高,给识别带来了一定的难度。有的目标在SAR图像仅为几个像素宽,更加难以识别。
　　(2) 图像对地面物体的敏感度不高。一般的光学图像层次感强,而SAR图像对地物回波的强弱不敏感,层次感较差。
　　(3) SAR图像中的目标物成像结果呈离散形式,边缘一般不连续,给目标的边缘特征提取带来了一些困难。
　　(4) SAR图像背景斑点噪声和杂波干扰较多,是由于自然背景目标散射系数较小,散射表现为各向同性,均匀散射的结果。
　　(5) 人造目标反射为较强的电磁信号回波,其散射系数较强,在图像上表现为高亮度值;自然目标的回波较弱,基本被吸收,在图像上表现为低灰度值。
　　1.2 基于SAR图像的目标识别特征
　　SAR欺骗式干扰性能评估主要是度量真假目标在图像中的相似性,进而识别目标的真伪。目前,对SAR图像中目标信息的提取都是基于ATR系统进行的,为了适应战场侦察图像数据的急剧增加,加快情报生成速度,世界各国先后提出了一系列针对SAR ATR的智能处理研究计划与系统,其中以美国发展最为典型和先进。据报道,在美军的SAR ATR系统中主要存在两种基本的技术方法:基于模板匹配的方法和基于模型的方法[6]。这两种方法都存在一个相同的基本流程,即图像分割→特征提取→分类识别。其中,SAR图像分割获取目标区域是实现SAR ATR的基础,特征提取是目标识别的关键环节,特征选取的优劣将直接影响分类识别的性能。因此,需要通过有效的特征提取技术从ISAR图像中获得对目标稳健、紧凑的描述,从而提高目标识别的效率和性能。为此,这里先简要介绍SAR图像特点和SAR ATR系统用于目标识别的潜在特征,这些特征可以用于辨别ISAR图像中目标的真伪。鉴于SAR图像的特点,研究人员已从中提取和分析了大量的特征用于目标鉴别和识别。主要特征有:
　　
　　纹理特征 纹理特征主要包括标准差(Standard Deviation)、分形维(Fractal Dimension)和权秩填充比(Weighted-Rank Fill Ratio),这些特征已用于MIT的SAR ATR系统中目标与杂波的鉴别。
　　尺寸与几何特征 尺寸与几何特征主要是提取目标区域的质量(Mass)、长宽比(Length-Width Ratio)和散度(Disperse)特征。
　　对比度特征 对比度特征是基于双参数CFAR检测的特征,主要是提取最大CFAR、平均CFAR和百分比亮度CFAR特征。
　　距离特征 距离特征主要是从目标区域二值图像中提取三种距离特征,即最小距离特征、最大距离特征和平均距离特征。
　　矩特征 矩特征作为二维图像特征在图像识别中得到了广泛的应用。Hu不变矩具有平移、尺度和旋转不变性,SAR ATR中可采用7个Hu不变矩的前两阶。
　　欺骗式干扰的有效性主要取决于欺骗假目标模拟的逼真程度,假目标越逼真,ATR系统就越难以将其从真实目标中识别出来,欺骗式干扰效果也就越好。在进行SAR欺骗式干扰效果评估时,可分别对比真假目标在SAR图像中的上述特征,但由SAR图像特点和SAR ATR过程可知,仅靠单一的特征对SAR图像进行解译非常困难。在对SAR图像进行分割,特征提取以及分类识别时,势必会用到上述介绍的多种SAR图像特征。因此在评估欺骗式干扰效果时,必须综合考虑虚假目标和实际目标在SAR图像中各特征的相似度。下面进一步介绍利用模糊综合评判的方法对SAR欺骗式干扰进行性能评估的方法。
　　2 基于模糊综合评判的SAR欺骗式干扰性能评估
　　2.1 模糊综合评判方法[7]
　　模糊综合评判是在复杂的环境中,考虑了多种因素的影响,而为了某种目的对某事物或者系统、对象做出综合评价的方法。模糊变换、模糊综合评判方法和模糊关系方程在综合评判、模糊判决、天气预报、工农业生产中发挥了重要作用。
　　模糊综合评判包括3个基本要素:因素集、评语集、权重集。同时,还有一个必要的条件就是由各个单因素评判矩阵形成的模糊矩阵。
　　设U=(u1,u2,…,un)为n种元素构成的集合,它包含了模糊综合评判中需要考虑的各种因素,称为因素集,它是问题的论域。一般论域U上的全体模糊子集组成的集合记为F(U)。依据不同的背景,评估系统对各种因素的侧重程度有一定的差异。换言之,各种因素对系统的重要程度是不一致的。因此,采用权重集A=(a1,a2,…,an)为n种因素分配权重,一般地,它们满足归一化要求:∑ni=1ai=1。设V=(v1,v2,…,vm)是m种评语构成的集合,称为评语集。记最后的评判结果为B=(b1,b2,…,bm),bi,i=1~m反映了该系统对第i种评语vi的隶属度。
　　假设各种因素组成的单因素评判矩阵是R=(rij)m×n,0≤rij≤1,则模糊综合评判可以表示为:
　　A•R=B(1)
　　实际上,A是U上的模糊集;B是V上的模糊集。
　　在一些文献中,选取bi(i=1~m)中最大者,假设为bj,认为该系统最终评价就是与bj对应的评语vj,本文不采用这种做法,而是认为B中的元素并非是绝对属于或者不属于m种评语的哪一种,只是表明对每一个评语的隶属程度如何,不过隶属程度存在差异,这是模糊理论的关键所在。
　　2.2 SAR欺骗式干扰性能评估方法
　　度量SAR图像中真假目标的相似性主要是比较它们各图像特征是否相似。而目标的特征量又与SAR成像的参数密切相关,由SAR图像的特点以及各ATR系统用于识别的特征可知,即使是完全相同的目标,如果成像视角不同,目标图像特征量也存在很大的区别,所以采用相似性来描述两目标特征量的相近程度更为合理。
　　由于SAR工作在复杂的电磁环境中,欺骗式干扰信号不可能完全模拟真实场景的电磁散射机理,因此虚假目标的SAR图像不可能与真实目标完全一样。真假目标的某些特征或许可以完全相同,但不可能所有的特征都相同。随着计算机信息处理速度的不断提高,ATR系统可能采取多种特征对目标进行融合识别。在不了解敌方SAR ATR系统究竟采用哪些特征进行目标识别时,不妨尽量考虑多种特征,衡量真假目标的相似性,从而评估欺骗式干扰性能。下面介绍利用模糊综合评判方法对SAR欺骗式干扰进行效果评估的方法。
　　2.2.1 确定因素集
　　在使用模糊数学知识建立评估模型时,综合评判中因素集元素主要是依据人们对系统所关注的热点来选择的,从重点关心的问题出发,结合评估指标构成因素集。在进行欺骗式干扰评估过程中,应以SAR ATR系统中用以分类识别真假目标的特征相似性作为因素集中的元素。不妨设为{纹理相似性、尺寸与几何相似性、对比度相似性、距离相似性、矩相似性},记之为U={u1,u2,…,u5}。
　　2.2.2 选择评语集
　　评语为根据因素集中的元素给出的评判结果,选择的评语集为{优、良、中、差、失败},记之为V=(v1,v2,…,v5)。评语集包含更多或更少元素时可参照本模型建模。
　　2.2.3 因素集元素权重分配
　　选择权重集为A={a1,a2,…,a5},且∑5i=1ai=1。值得注意的是,在利用模糊综合评判时,权重集的选取与应用背景有关,一般而言,它不是恒定的。
　　2.2.4 为每个评语选择对应的因素变化区间
　　按照表1为每个评语选择对应因素的变化区间,表中变量为一系列预先设定的界限值,界限值的大小与评估要求相关。表1中各因素都是特征相似性的度量,取值在区间[0,1]上,变化区间的值越大,相似性越好,评判结果越好。
　　表1 每个评语对应的因素变化区间
　　因素评 语
　　优良中差失败
　　u1[p11,1][p12,p11)[p13,p12)[p14,p13)[0,p14)
　　u2[p21,1][p22,p21)[p23,p22)[p24,p23)[0,p24)
　　u3[p31,1][p32,p31)[p33,p32)[p34,p33)[0,p34)
　　u4[p41,1][p42,p41)[p43,p42)[p44,p43)[0,p44)
　　u5[p51,1][p52,p51)[p53,p52)[p54,p53)[0,p54)
　　2.2.5 求得单因素评判矩阵
　　计算单因素评判矩阵主要是计算基于某一因素得到各种评语的隶属度。设某ATR系统对SAR图像中的某一虚假目标进行了k组识别实验,每组获得因素集上所有评估指标的一个值。设在对u1识别时,相似性落在[p11,1],[p12,p11),[p13,p12),[p14,p13),[0,p14)区间上的实验分别有k11,k12,k13,k14,k15组,则该系统对虚假目标在u1(与真实目标纹理特征相似性)这一因素上单因素评判结果为:
　　[k11/k,k12/k,k13/k,k14/k,k15/k]=1k[k11,k12,k13,k14,k15](2)
　　类似地,得出单因素评判矩阵为:
　　R=1kk11k12k13k14k15
　　k21k22k23k24k25
　　k51k52k53k54k55(3)
　　记rij=kij/k,i=1~5;j=1~5,令R=(rij),R就是这里的单因素评判矩阵。
　　2.2.6 得出模糊综合评判结果
　　
　　根据式(1),模糊综合评判结果按照式(4)计算:
　　
　　B=(b1 b2 b3 b4 b5)=A•R
　　=(ai)1×5•[rij]5×5(4)
　　2.2.7 修正评判结果
　　式(4)计算的综合评判结果只是根据各个识别特征对干扰性能(虚假目标逼真度)的评价,并没有考虑识别时间对干扰性能的影响。从情报获取的角度来看,识别时间非常重要。为了使评判结果更为合理,需对式(4)的计算结果做出修改。根据实际情况分析,在进行干扰性能评估时,时间对干扰性能的影响与能否获取正确情报有关。具体来说,如果最终辨识假目标为真,即真假目标的相似度较高时,识别时间越短,越容易形成欺骗,干扰性能越好;如果系统最终辨识目标为假目标,即真假目标的相似度较低时,识别时间越长,越能延缓敌方决策系统进行决策,干扰效果越好。
　　假设ATR系统设置的处理时间为T0,识别SAR图像中目标真伪所需要的时间为t。当t>T0,则放弃识别,此时认为干扰性能为“中”(b3=1);当t　　B′=B•H=(b1 b2 b3 b4 b5)•
　　 1-α0α0001-αα000010000α1-α000α01-α(5)
　　由式(5)得出的评判结果是考虑了SAR ATR系统中各识别特征和处理时间的综合评判结果。其中,矩阵H可根据实际情况设定。
　　举例说明上述方法。假设系统分配权重A={0.2,0.4,0.1,0.2,0.1},评估系统通过实验测得评判矩阵为:
　　R=0.10.30.20.30.10.80.10.1000.30.20.20.20.10.30.40.10.10.1000.20.20.6
　　
　　从R可以看出,如果单独地采用因素集中第2个因素(尺寸与几何相似性)或第5个因素(矩相似性)进行性能评估,其结果是截然不同的。采用本文介绍的方法,得出的评估结果如表2所示。从表中可以看出,时间因子对综合评判结果影响颇大,当处理时间逐步增大时,评估结果将趋向于评语b3(干扰性能为“中”)。
　　表2 考虑时间影响的模糊综合评判结果
　　时间因子α评判结果
　　优良中差失败
　　0(不考虑时间影响)0.430 00.200 00.140 00.120 00.110 0
　　0.20.344 00.160 00.312 00.096 00.088 0
　　0.40.258 00.120 00.484 00.072 00.066 0
　　0.60.172 00.080 00.656 00.048 00.044 0
　　0.80.086 00.040 00.828 00.024 00.022 0
　　100100
　　3 结 语
　　定量描述欺骗假目标的逼真程度,科学合理地评估欺骗式干扰效果,找出影响制约欺骗式干扰效果的因素,对欺骗式干扰技术的改进和设备的研制都有着十分重要的意义。根据敌方SAR ATR系统中目标识别特征的不确定性,提出了一种基于目标识别和模糊综合评判的SAR欺骗式干扰性能评估方法。首先,综合考虑各种可能的识别特征,利用模糊综合评判的方法对虚假目标的逼真度进行综合评判;然后考虑系统处理时间对干扰性能的影响,利用传统的数学方法对综合评判结果进行修正,得到对干扰性能的合理评估。该方法也可用于ISAR欺骗式干扰性能评估技术,具有一定的理论与应用价值。
　　
　　参考文献
　　[1]保铮,刑孟道,王彤.雷达成像技术[M].北京:电子工业出版社,2005.
　　[2]杨志祥,朱元清,王冰切,等.模糊综合评判方法在干扰系统效能评估中的应用[J].电子工程,2009(2):40-44.
　　[3]孙云辉,李芳倩,冯建伟.基于SAR图像的欺骗式干扰效果评估研究[J].航天电子对抗,2006,22(2):31-34.
　　[4]柏仲干,王伟,王国玉,等.基于区域纹理匹配的SAR欺骗性干扰评估方法研究[J].系统工程与电子技术,2006,28(10):1506-1508.
　　[5]FAN Lu-hong, PI Yi-ming, HUANG Shun-ji, et al. A comparison of some electronic countermeasures on inverse synthetic aperture radar[J]. Journal of Electronics, 2006, 23(1): 132-135.
　　[6]郭炜炜.SAR图像目标分割与特征提取[D].长沙:国防科技大学,2007.
　　[7]李彦鹏.自动目标识别效果评估——基础、理论体系及相关研究[D].长沙:国防科技大学,2004.
　　[8]郑扬.SAR图像相干斑抑制与基于纹理特征的识别技术研究[D].合肥:中国科技大学,2007.