2019,34(6)
电子信息对抗技术
Electronic Information Warfare Technology
中图分类号:TN971 文献标志码:A 文章编号:1674-2230(2019)06-0023-04
高空施工收稿日期:2018-11-02；修回日期:2018-12-17
作者简介：陈亚坤(1993 )，男，汉族，河北迁安人，本科，研究方向情报整编；王枭(1991 )，男，汉族，安徽寿县人，博士，研究方向为军
事仿真与现代智能算法㊂
陈亚坤，王 枭
(解放军66135部队，北京100037)
摘要：经过长期积累，电子对抗侦察历史数据已经形成一定规模，但目前尚缺乏对其系统深入的分析研究㊂对此，提出了从电子目标射频特征㊁电磁态势时间规律㊁电磁参数关联规则三个角度对电子对抗侦察历史数据进行分析的方法，并分别对应介绍了聚类分析㊁时间序列分析和关联规则挖掘三种分析方法的基本原理，并讨论了将其应用于电子对抗侦察历史数据分析时需要注意的问题，为相关实践提供参考㊂ 关键词：电子对抗侦察；历史数据；射频特征；时间规律；关联规则DOI :10.3969/j.issn.1674-2230.2019.06.006
Electronic Countermeasure Reconnaissance Historical
Data Analysis
CHEN Ya-kun,WANG Xiao
(Unit 66135of PLA,Beijing 100037,China)
Abstract :After a long period of accumulation,electronic countermeasure reconnaissance histori⁃
cal data has formed a certain scale,but there is still a lack of deep analysis and research of its syste
m at present.Here radiofrequency characteristics of electronic target,electromagnetic state time rule and electromagnetic parameter correlation gauge are proposed.Then the methods of an⁃alyzing the historical data of electronic countermeasures from three perspectives are introduced.And the clustering analysis,time sequence analysis and association analysis are respectively in⁃troduced.The basic principles of three analytical methods are briefly introduced,and the prob⁃lems that need to be paid attention are discussed when applied to electronic countermeasure re⁃connaissance historical data analysis.Key words :electronic countermeasure reconnaissance;historical data;radio frequency charac⁃
teristics;time rule;association rule
1 引言
电子对抗侦察通过搜集和分析周边电磁信号来感知战场电磁环境，是现代情报侦察系统的重要组成部分㊂其侦察获取的信号数据是分析㊁提取电子情报的基本依据，是生成战场态势的重要一手资料㊂现阶段，人们对电子对抗侦察数据的
利用仅停留于实时分析的层面，重点研究滤波㊁检测㊁调制㊁编码等实时信号处理的方法[1]，而对积累历史数据的分析却缺乏研究㊂实践中，电子对抗侦察数据正以数十GB /天的速度增加内容，经过日
复一日㊁年复一年的积累，电子对抗侦察历史数据正逐渐成为名副其实的大数据㊂文献[2-4]
3
2
陈亚坤，王 枭
电子对抗侦察历史数据分析方法
投稿邮箱:dzxxdkjs@126
等讨论了大数据技术在电子对抗侦察中的应用,
但它们研究的重点多是分布式存储㊁并行计算等
宏观的平台架构问题，但对 分析什么问题，如何
进行分析”等具体问题目前尚较少研究㊂
常见的大数据分析技术包括数据挖掘㊁统计
防卫器分析㊁人工智能㊁云计算㊁MapReduce等㊂但总得
来说，大数据分析目前尚属于开放性问题，无明确
定义[5]，更无成熟㊁规范的操作流程可供直接套用，而需根据具体应用选择合适求解方法㊂对此,
本文就电子目标的射频特征㊁电磁态势的时间变
化规律和电磁参数的潜在关联规律三类问题，研
究电子对抗侦察历史数据的分析方法㊂
快速插头2 概述公牛辅助
电子对抗侦察历史数据通常包含以下数据项:(1)侦察时间;(2)侦察站ID;(3)信号载频;
(4)信号类型(包括雷达信号㊁通信信号等);(5)信号特征参数(包括脉宽㊁重频㊁码速㊁编码方式等);(6)目标识别及情报融合结论(包括目标辐射源类型㊁目标平台类型㊁目标批号㊁目标方位等)㊂
在刚着手分析电子对抗侦察历史数据时，我们首先关注是类似于:(1) 数据库中记录了多少型及哪些电子目标?”(2) 这些数据记录的频率㊁地域分布如何?”(3) 哪些类型㊁哪些国家的电子目标出现次数最多?
”的宏观态势问题㊂对这些问题，通常只需简单的数量统计㊁SQL查询即可求解，本文不予讨论㊂
进一步，我们可能会希望深入了解每一个电子目标的工作特点，如:(1)工作于哪些频段;(2)信号参数射频特征如何，等㊂对这类问题，可采用聚类分析方法进行求解，论文将在第2节进行介绍㊂
在此基础上，利用电子对抗侦察历史数据的时间连续性，可以研究前述宏观态势特征和微观射频特征是否随着时间变换呈现出趋势性或周期性的规律㊂对此，可采用时间序列分析方法进行求解，论文将在第3节进行介绍㊂
更进一步，由于电子对抗侦察历史数据数据项众多㊁数据类型多样，各数据项之间往往存在很多我们未曾考虑过的关联规律㊂对此，可使用关联规则分析方法进行广泛地探索，论文将在第4节进行介绍㊂
3 电子目标射频特征分析方法
受硬件条件限制，电子设备的辐射参数往往仅在有限的可选范围内取值㊂而在具体的战术使用方式中，其辐射参数又常表现出固定的组合模式㊂我们将这种较为固定的辐射参数组合模式称为电子目标的射频特征㊂通常，电子目标具有不同的射频特征㊂射频特征分析对于目标识别及战术研究具有重要现实意义㊂
3.1 基本原理
上述电子目标射频特征分析问题实际上可看作是一个基于密度的聚类问题，可用DBSCAN算法对其进行求解㊂DBSCAN算法的基本流程为[6]:(1)将所有数据点区分为 核心点”㊁ 边界点”或 噪声点”;
(2)删除噪声点;
(3)计算各核心点之间的距离，为距离小于Eps的两个核心点赋予一条边;
(4)将所有连通的核心点归为一簇;
(5)将每个边界点指派到一个与之关联的核心点所在的簇中㊂
其中，如图1所示, 核心点”(如A点)是指其给定邻域内点的个数大于指定阈值MinPts的点; 边界点”(如B点)不是核心点，但在某个核心点的邻域内; 噪声点”(如C点)是既非核心点也不是边界点的点
㊂
图1 DBSCAN算法原理示意图(MinPts=7)
利用DBSCAN算法分析提取电子目标射频特征的方法是:
(1)选择感兴趣的数据项，从历史数据库中提取电子目标的工作数据集记为X; (2)根据实际情况设置距离门限Eps和密度
42
电子信息对抗技术·第34卷
2019年11月第6期陈亚坤，王 枭
电子对抗侦察历史数据分析方法阈值MinPts㊂其中，由于各数据项的单位不同㊁取
值区间不同，数据分布的疏密程度也不同，不宜用
单个欧几里得距离来衡量两个电子对抗侦察数据
间的差别，而应分别设置个数据项的距离门限以
综合判断两个数据点是否相邻㊂
(3)对数据集X运行DBSCAN算法提取密集
点簇㊂这些点簇即分别对应电子目标的一个射频
特征㊂
3.2 应用实例
某电子目标的载频 重频数据如图2所示
㊂
图2 某电子目标频率-重频参数分布
使用DBSCAN算法对其载频-重频特征进行提取，可得其主要有三个常用的工作模式:
(1)载频:1371~1415MHz；重频:966~ 973Hz;
(2)载频:1274~1369MHz；重频:1273~ 1288Hz;
(3)载频:1584~1611MHz；重频:843~ 855Hz㊂
4 电磁态势时间规律分析方法
时间特性是电子对抗侦察历史数据的一项重要特性，即它较为完整和连续地记录了电子目标数据在一段时间内的变化情况㊂其重要性体现在：通过对时间特性的分析，使人们能够掌握电磁态势的时变规律，进而对其发展变化做出预测㊂而时间序列分析方法正是对时间规律进行建模和预测的常用工具㊂
4.1 时间序列分析基本流程
在统计学中，常用按时间顺序排列的一组随机变量表示一个随机事件的时间序列㊂时间序列分析方法包括描述性方法㊁频域分析方法和时域分析方法㊂其中时域分析方法是从序列自相关的角度揭示时间序列的发展规律，是当前时间序列分析的主流方法㊂时域分析方法将时间序列区分为平稳和非平稳两大类㊂对于时间序列{X t}如果其满足以下条件，则称其为二阶平稳:
(1)任取t∈T，有EX2t<¥;
(2)任取t∈T，有EX t=μ,μ为常数;x射线探测器
(3)任取t,s,k∈T，且k+s-t∈T，有γ(t,s)=γ(k,k+s-t)㊂
如果序列二阶平稳，则可使用ARMA(p,q)模型对其进行分析㊂其中，纯随机序列也属于平稳序列，但其序列值之间没有任何相关性，不具有分析价值，因此不对其进行分析㊂如果序列非平稳，根据Cramer分解定理，可将其分解为确定性因素和随机性因素两部分㊂对于电子对抗侦察历史数据的非平稳序列，我们主要研究其确定性因素㊂其中，趋势性和周期性是最为常见的确定性因素，可分别采用专门方法进行分析㊂图3给出了电子对抗侦察历史数据时间序列分析的基本流程[7]
:
图3 时间序列分析基本流程
对于平稳序列而言，由于其参数变化幅度较小，可以均值对未来情况进行预测㊂因此，下面重点介绍平稳性检测㊁随机性检测和非平稳序列建模与预测三部分内容㊂
4.2 平稳性检验
常见的序列平稳性检验方法主要有时序图检验㊁自相关图检验和单位根检验三种㊂其中，前两种属于图检验法，具有操作简便㊁适用广泛但存在主观性的特点；后一种属于统计检验方法，具有较高精度并可实现自动化㊂但其理论计算较为复杂，这里主要介绍时序图方法㊂
时序图是时间 序列值关系的二维折线图㊂平稳时间序列的均值和方差均为常数，因此，可通
52
陈亚坤，王 枭
电子对抗侦察历史数据分析方法
投稿邮箱:dzxxdkjs@126
过观察时序图直观做出判断：如果序列值始终围绕一个常数值波动，且波动范围有限，则可判其为平稳；否则，不平稳㊂
4.3 纯随机性检验
Barlett 证明，如果一个时间序列{x t ,t =1,2,
,n }是纯随机的，那么该序列的延迟非零期的样本自相关系数将近似服从均值为零，方差为序列观察期数倒数的正态分布㊂据此,Box 和Ljung 推导出LB 统计量:
Q LB =n (n +2)∑m
k =1^ρ2k n -æèçö
ø
÷
k (1)
式中:n 为序列观测期数,m 为指定延迟期数㊂^ρk 为延迟k 期自相关系数的统计值，按式(2)计算:
^ρ
k =(n -1)∑n -k
t =1
(x t -⎺x )(x t +k -⎺x )
(n -k )∑n
t =1
(x t -⎺x )
2
(2)
该LB 统计量服从自由度为m 的卡方分布㊂
因此，如果Q LB >χ2α(m )，则原序列的前m 期以概率m 相互独立，即为纯随机序列；否则，不为纯随
机序列㊂
4.4 非平稳序列确定性建模
4.4.1 趋势性建模
如果时序图表现出明显的趋势性，则应考虑
对其趋势性进行建模㊂趋势建模方法包括拟合法和平滑法等，这里主要介绍拟合法㊂
如果序列的长期趋势呈现出线性特征，则可用线性模型对其进行拟合:
x t =a +bt +I t
E (I t )=0,Var(I t )=σ{
2
(3)
式中:{I t }为随机波动,T t =a +bt 就是消除随机波动影响之后该序列的长期趋势㊂如果长期趋势呈现出非线性特征，则可选择合适曲线模型进行建模
[7]
㊂
4.4.2 周期性建模
如果时序图表现出明显的周期性，则应考虑
对其周期性进行建模㊂周期性序列可表示为以下模型:
x ij =⎺x ㊃S j +I ij
(4)
式中:i 和j 分别表示周期数和阶段数,S j 表示阶段j 的阶段指数,I ij 表示随机波动㊂其中阶段指数
可按式(5)进行估计:S k =
⎺x k
(5)
4.4.3 复合情况建模
如果时序图既表现除了趋势效应又表现出周
期效应，则应同时对其趋势性和周期性进行分析㊂根据两者间表现出的作用关系，通常从以下四种模型中选择其一进行建模:
(a)加法模型:x t =T t +S t +I t ;
(b)乘积模型:x t =T t ㊃S t ㊃I t ;(c)混合模型一:x t =S t ㊃T t +I t (d)混合模型二:x t =S t ㊃(T t +I t )
目前尚无成熟理论能够定量确定趋势性和周期性的交互关系㊂常用的检验方法是：如果周期性因素的振幅不受趋势性影响，则选择加法模型；否则，选择乘积模型㊂
混合模型中趋势性因素和周期性因素的参数估计与前述方法保持不变，但通常先处理周期性因素，然后在去除周期性影响的条件下再处理趋势性因素㊂
4.5 应用实例
图4展示了某侦察站一年内每天上报目标信号数量的记录数据
:
图4 某侦察站一年内每天上报信号数记录
利用前述时间序列分析方法对其进行分析，结果如下:
(1)由时序图可见时间序列的均值并非常数，因此原记录序列并非平稳序列;
(2)原记录序列表现出一定的趋势性，而周
期性表现不明显，因此可以采用模型(3)对其进行拟合，经计算可得拟合模型:x t =213.62+0.043t +I t
其中I t ~N (0,7.5272)㊂
(下转第79页)
6
2
电子信息对抗技术㊃第34卷
2019年11月第6期卓 越，薛金阳，阳 凯
一种L波段微带双极化天线
范围内,VSWR<2，端口隔离度>30dB，增益全频段大于5dB，实测值与仿真值具有较好的一致性㊂
参考文献:
[1] 倪笃勋.变极化天线[J].电子对抗技术,1997(5):
35-38.
[2] 夏小勇.一种双极化印刷偶极子天线[J].移
动通信,2013(16):48-52.
[3] 李秀萍.多层微带贴片天线单元和阵列设计[J].
电子与信息学报,2002,24(8):1120-1125. [4] 张帆.一种新型U形槽宽频带微带天线[J].弹箭
与制导学报,2007,27(2):251-252.
[5] 叶剑锋.L形探针耦合馈电E形层叠微带天线[J].
哈尔滨理工大学学报,2013,18(4):94-97.
(上接第26页)
5 电磁参数关联规则分析方法
关联规则挖掘算法可用于从电子对抗侦察历史数据中发现潜在关联规则㊂关联规则挖掘的数学描述如下[6]:
用一组二元变量来表示一个事务，其中各二元变量分别对应一个事务项：如果其事务项发生，则对应的二元变量取1；否则取0㊂包含0个或多个事务项的集合被称为项集㊂如果一个项集包含k个项集，则称其为k项集㊂如果项集X中的各项在事务t j中对应的二元变量均为1，则称事务t j 包括项集X㊂项集的一个重要性质是它的支持度计数σ(X)，用T={t1,t2, ,t N}表示所有事务的集合，则σ(X)可表示为:
σ(X)={t i X⊆t i,t i∈T}(6)其中 ”表示集合中元素的个数㊂
关联规则是形如X→Y的蕴涵表达式㊂其中X和Y是不相交的项集，即X∩Y=∅㊂关联规则的强度可用它的支持度s和置信度c来度量㊂其定义如下:
s(X→Y)=σ(X∪Y)
N
c(X→Y)=σ(X∪Y)
σ(X)
(7)led日光灯灯座
关联规则挖掘就是在给定事务集T中，出支持度大于支持度阈值，且置信度大于置信度阈值的所有规则㊂为提高求解效率，人们提出了很多关联规则挖掘算法[8]，如Apriori算法,FP-Growth算法,DHP算法,Sampling算法等，这里不再展开讨论㊂
需要注意的是，在对电子对抗侦察历史数据使用关联规则挖掘算法之前，需要将多类型的侦察数据统一转换为二元数据㊂数据二元化的方法主要有两种：整型数据可通过进制换算转换为多位二元数据；浮点型数据可先离散化为整型数据，再进制转换为多位二元数据㊂
6 结束语
本文仅从电子目标射频特征㊁电磁态势时间规律和电磁参数关联规则三个角度初步研究了电子对抗侦察历史数据的分析方法㊂实际上，电子对抗侦察历史数据内容丰富㊁结构复杂，还有很多从其他侧面挖掘出有价值军事信息的可能㊂下一步，我们将结合实践，对电子对抗侦察历史数据的分析方法进行完善㊂
参考文献:
[1] 谢维信，陈曾平，裴继红，等.大数据背景下的信号
处理[J].中国科学：信息科学,2013,43(12):1525-
1546.
[2] 杨小牛，杨志邦，赖兰剑.下一代信号情报侦察体系
架构：大数据概念的应用[J].中国电子科学研究院
学报,2013,8(1):1-7.
[3] 高坤，戴江山，张慕华.基于大数据技术的电子战情
报系统[J].中国电子科学研究院学报,2017,12
(2):111-114.
[4] 旷生玉，江果，雷涛，等.大数据技术在电子对抗情
报系统中的应用[J].电子信息对抗技术,2016,31
(6):34-39.
[5] 张春磊，杨小牛.大数据分析(BDA)及其在情报领
域的应用[J].中国电子科学研究院学报,2013,8
(1):18-22.
[6] TAN P N,STEINBACH M,KUMAR V.数据挖掘导论
[M].范明，范宏建，译.北京：人民邮电出版社,2011.
[7] 王燕.应用时间序列分析[M].北京：中国人民大学
出版社,2012.
[8] 崔妍，包志强.关联规则挖掘综述[J].计算机应用
研究,2016,33(2):330-334.
97
