基于QMFB与卷积神经网络的雷达信号分类方法技术

现代雷达通常采用低截获概率雷达信号(Low Probability Intercept，LPI)对目标进行探测，因此在雷达对抗中需要对LPI信号分类。而目前多采用传统人工特征提取算法进行分类，在实际应用中此类算法分类正确率不理想。本发明专利技术提出一种基于正交镜像滤波器组和卷积神经网络结合的分类方法。具体方法是，首先对截获的雷达信号进行QMFB处理，得到雷达分层时频图像；再基于本发明专利技术的新型卷积神经网络对雷达分层时频图像分类；最后输出LPI雷达信号分类结果。本发明专利技术基于卷积神经网络能自动提取出多种LPI信号特征，分类效率和识别正确率较传统算法都有很大提高。

Radar Signal Classification Method Based on QMFB and Convolutional Neural Network

Low Probability Intercept (LPI) is usually used in modern radar to detect targets, so LPI signals need to be classified in radar countermeasures. At present, traditional artificial feature extraction algorithms are mostly used for classification, but the classification accuracy of such algorithms is not ideal in practical application. The invention provides a classification method based on the combination of orthogonal mirror filter bank and convolution neural network. The specific method is: firstly, the intercepted radar signal is processed by QMFB to obtain the radar layered time-frequency image; secondly, based on the novel convolution neural network of the invention, the radar layered time-frequency image is classified; finally, the LPI radar signal classification result is output. The method can automatically extract various LPI signal features based on convolution neural network, and the classification efficiency and recognition accuracy are greatly improved compared with traditional algorithms.

【技术实现步骤摘要】
基于QMFB与卷积神经网络的雷达信号分类方法
本专利技术是一种电子对抗领域的技术，具体是一种基于卷积神经网络的LPI雷达信号分选的方法。
技术介绍
现代雷达正越来越多的使用低截获概率(LowProbabilityIntercept,LPI)雷达信号对目标进行侦察，LPI信号能极大地提高现代雷达在现代电子对抗战中的生存与探测能力，目前已普遍在各类型雷达中使用。LPI雷达信号是防止非合作的雷达侦察接收机截获、检测信号类型的特殊雷达波形信号。为了对具有LPI信号的雷达进行干扰和压制，需要对截获后的LPI雷达信号进行分类，为电子干扰、压制措施提供决策依据。因此，对截获后的雷达信号进行更高准确率的分类，是当前雷达对抗研究中的重要内容，在雷达对抗中具有重要的现实意义和应用价值。正交镜像滤波器(QuadratureMirrorFilter，QMF)是一种具有重采样的滤波器，通过窗口大小地变化，可以改变时间分辨率或频率分辨率。为了分离信号的不连续点，需要使用一些很短的基函数，通过使用长基函数可以获得较好的频率分析。本方法将通过正交镜像滤波器组(QuadratureMirrorFilterBank，Q本文档来自技高网...

【技术保护点】
1.一种结合正交镜像滤波分析与新型卷积神经网络模型(Convolutional Neural Network,CNN)对低概率截获(Low Probability Intercept,LPI)雷达信号分类的方法，其特征在于，通过对原始LPI雷达信号使用正交镜像滤波分析方法处理，产生时‑频分布数据；再利用训练后的CNN模型对所述雷达时‑频分布图像分类，得到原始LPI雷达信号类型。

【技术特征摘要】
1.一种结合正交镜像滤波分析与新型卷积神经网络模型(ConvolutionalNeuralNetwork,CNN)对低概率截获(LowProbabilityIntercept,LPI)雷达信号分类的方法，其特征在于，通过对原始LPI雷达信号使用正交镜像滤波分析方法处理，产生时-频分布数据；再利用训练后的CNN模型对所述雷达时-频分布图像分类，得到原始LPI雷达信号类型。2.根据权利要求1所述的时-频分布数据，其特征在于，时-频分布数据由2k+1种矩阵组成，其中k∈N+；数据中每种矩阵的元素个数均相同，为22k个，并且这些矩阵的维数分别为2k-i*2k+i，其中-k≤1≤k。3.根据权利要求1所述的CNN，其特征在于，网络结构包括一个卷积块、三个池化块、两个细节构造块、一个分类器以及输入层和输出层。根据数据处理的先后次序，其网络架构分别是输入层、卷积块...

【专利技术属性】
技术研发人员：郭磊，林滋宜，王秋然，张克乐，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51