小腦模型之目標辨識

小腦模型設計用法是透過週期性反覆地學習，使得收斂誤差在容許範圍內，即完成 學習。然而，在本篇論文中目標辨識系統的小腦模型並不需經由反覆學習各類參數，只 需學習幾個週期，使其產生些微誤差，以近似真實情況(真實世界中接收或傳輸各類參 數，常會受到不確定因素影響故會產生雜訊使原始資料有所誤差)，利用學習過程的類化 能力將數據庫內的參考參數樣版轉化成具有各點重要性的比對樣板；首先參考參數樣板 模擬真實世界偵蒐到的訊號把其量化成多筆相近的資料參數，再經過小腦神經訓練，使 其訓練出範圍寬度，寬度的大小程度是由小腦模型取樣點所對映的記憶體個數m所決 定，由於取樣點m與學習率α 關係著比對樣板的學習成果，所以也影響最後目標的辨識 情形，然後把訓練出的比對樣板寬度根據辨識方式與測試資料做比對，若測試資料參數 屬於比對樣板的寬度內就標記得分為一分，最透統計其得分最高者即為辨識後的雷達型 號。

圖9 目標辨識模型方塊圖

在本篇論文之目標辨識問題中，主要分為兩大區塊：訓練方塊與辨識方塊，如圖9。

在訓練方塊中，首先從已知的雷達輻射源數據庫取出數據參數，本論文根據文獻[3]取其 四項為參考項目：工作頻率(射頻)、重複頻率週期、脈衝寬度和脈衝振幅，如下表2。然 後量化出相近的資料參數作為訓練樣本，然後透過小腦模型將各項參數樣板轉變成比對 樣板即完成訓練結果。

表2 雷達特徵參數

雷達批號

射頻

（MHz）

射頻 類型

捷變量

（MHz）

重頻 週期

（μs）

重頻 類型

抖動量

（%）

脈衝 寬度

（μs）

脈衝 寬度 類型

脈衝 振幅

（dB）

方位

（度）

到達 時間

（μs）

2001 10198 固定 0 2400 普通 15 120.01 抖動 36 104.4 498 2002 12998 分集 0 1500 普通 0 99.97 固定 29 105.0 497 2003 1333 捷變 343 3606 普通 0 300.01 固定 25 104.7 496 2004 10863 固定 0 2400 普通 0 125.00 固定 25 126.2 506 2005 1373 固定 0 3358 普通 0 424.98 固定 50 126.3 504 2006 932 固定 0 5001 普通 0 354.99 固定 34 127.8 503 2007 11197 固定 0 2002 普通 0 12.02 固定 38 148.9 533 2008 1342 捷變 340 3602 普通 0 299.98 固定 28 149.0 535 2009 1004 捷變 261 4492 普通 19 200.00 抖動 15 172.3 499 2010 884 固定 0 7021 普通 0 125.01 固定 20 173.2 495

辨識測試 訓練方塊

辨識方塊

本篇論文使用的參數樣版為一個雷達批號量化成10筆資料參數，如圖10，取樣點所對映 的記憶體個數m在此設定為3，所以根據實際記憶體的總數公式計算，此處實際記憶體 總數為12，學習率α 設定為0.5，經由訓練45~50個學習週期後將實際記憶體內的值分別 相加，轉回訓練後的參數再找出最大和最小範圍值即完成訓練結果，圖10以參數射頻 10198(MHz)為例。

10198

CMAC訓練 參數

參數樣板

10179

10184

10192

10217

訓練後範圍

10178.729

10216.886

１

２

３

１０

圖10 參數範圍學習

在辨識方塊方面，測試資料分為測試樣本與未知型號的雷達輻射源，測試樣本是由 已知的數據庫中隨機取出資料參數當作測驗，用以測驗本篇論文的準確性，而未知型號 的雷達輻射源就是實際運作時所偵搜到未知的雷達輻射源參數。

辨識方塊主要是計算待測參數是否落在比對樣板的範圍中藉以辨別出相識度，在四 項參考項目中，若屬於比對樣板範圍中則標記值為1分，分數越接近4表示相識度越高為 辨識目標的可能性就越高，為了提高辨識情形，當待測參數落於比對樣板的範圍中時可 以乘上權重，權重設定視其重視程度而定，因射頻越高而重複頻率週期相對會越低辨識 度較高故選擇此兩項參數權重較高，本文取權重：射頻4、重複頻率週期3、脈衝寬度2 和脈衝振幅1，最後算出得分，若分數≧6者有四種情形：

一.完全包含射頻與重複頻率週期、

三.只有重複頻率週期不在範圍內、

四.只有射頻和脈衝寬度在範圍內

當出現前三種情形即為辨識後的結果，但若出現情形四則歸類於新型雷達輻射源；若分 數＜6者表示不完全包含射頻與重複頻率週期，得到的資訊過少所以歸類於新型雷達輻射 源，當分類在新型雷達輻射源時則把其參數增加進數據庫內以擴充數據庫內的資料，圖 11為辨識流程圖。

待測資料參數

<6分 (表示不完全包含 射頻重複頻率週期)

≧6分

新型號雷達

辨識結果 辨識

計算符合比對樣 板分數乘上權重

是否為 情形四 是

否

圖11 辨識流程圖