刘 傲，周 正

（海军航空大学，山东 烟台 264001）

0 引言

雷达辐射源识别是通过对信号的检测、特征提取以及分析，确定雷达辐射源体制、类型、调制方式等信息的过程，该过程是情报侦察和战场态势感知的必要环节，也是威胁等级评估的关键依据［1］。

基于TOA（到达时间）、DOA（到达角）、CF（载频）、PRF（脉冲重复周期）和PW（脉冲宽度）等特征参数的传统方法，难以满足信号处理中保留有用信息及在低信噪比下雷达辐射源识别准确率的要求。因此，研究人员探索了很多新的识别方法，例如混合调制、脉内调制雷达信号识别［2-3］，GM-PHD 滤波器分类方法［4］，基于FCBF［5］、模糊函数［6］、非线性复杂度［7］的雷达信号识别，以及通过机器学习、卷积神经网络等［8-13］，对辐射源信号进行分类的人工智能方法。

近年来，提取新的雷达脉冲识别参数成为雷达辐射源识别的突破点，传统的实数序列处理方法已经无法满足实际需要［14］。因此，众多研究人员选择了另一种处理方式——实数序列符号化。把实数序列符号化，就是对原始数据进行粗粒化处理，可以去除数据中的非本质特征，得到数据中关键的特征信息，在计算速度上具有很大的优势［15-16］。文献［17］提出了一种基于时间序列符号表示的贝叶斯规则和概率链规则的模型，首先将时间序列转换为符号，然后用概率方法将符号序列分类；文献［18］将观测到的实值数据序列进行Hilbert 变换，得到相应的复值解析信号，进而将时间序列进行符号化表示。虽然在过去几十年中引入了许多实数序列的符号表示，但这些方法或多或少都存在一定的局限性。……