The invention relates to a radar signal modulation type recognition method based on joint time-frequency characteristics, which is applied in the field of radar signal intra-pulse analysis and recognition. The method maps radar signal into two-dimensional time-frequency domain by short-time Fourier transform, reduces the dimension of signal time-frequency image from the angle of signal energy and feature subspace respectively by combining principal component analysis and matrix random projection, and excavates joint depth features of time-frequency image by using hierarchical automatic encoder model to realize classification and recognition of signal type. The performance of joint depth time-frequency feature recognition is better, and the mining of deep features helps to improve the recognition accuracy, and the algorithm is more efficient.
【技术实现步骤摘要】
一种基于联合时频特征的雷达信号脉内调制类型识别方法
本专利技术应用于雷达信号脉内分析与识别领域。
技术介绍
雷达信号脉内调制分析及识别方法是当前电子战中电子侦察的重要内容。雷达技术的不断进步使得当前电子侦察所要面对的雷达信号日益复杂，目前成熟的信号分选识别方法是基于脉冲描述字，但对于复杂调制的雷达信号，当前的识别算法实时性差且识别成功率并不高。因此，需要能更为有效地识别信号脉内调制类型的新方法。目前，时频特征、分数阶傅里叶变换(FRFT)特征、小波包和小波脊频特征等特征参数在雷达辐射源识别领域中都已取得了较好的识别效果，但不可忽视的是：这些人为设计的特征参数在雷达辐射源识别中的有效性和普适性尚有待深入研究；人工特征提取过程耗时且累赘，它不仅要求设计者具有一定的先验知识，而且其强针对性会使得数据库更新升级缓慢；若能提取具有强区别力的信号本质特征，那么对后续分类器设计和识别性能的提升具有重要意义。近年来，深度学习(DeepLearning，DL)因其优异的运算性能广泛应用于模式识别、计算机视觉、虚拟现实已经人工智能等领域。深度学习模型实现了复杂的非线性函数逼近，它的较...
【技术保护点】
1.一种基于联合时频特征的雷达信号脉内调制类型识别方法，其特征在于：a、将时域信号利用短时傅里叶变换表征为二维时频分布；b、采用主成分分析PCA和随机投影RP对其进行联合降维，得到联合降维空间Γ；c、将降维后的时频样本向量化，构造输入数据向量vec(·)；d、在层级自动编码器框架下利用无类别标签样本预训练，再利用带有类别标签的样本数据对深度网络进行精度调谐；e、采用Softmax回归模型完成精度调谐和识别，得到输出概率P，依据概率输出可判定辐射源类型M。
【技术特征摘要】
1.一种基于联合时频特征的雷达信号脉内调制类型识别方法，其特征在于：a、将时域信号利用短时傅里叶变换表征为二维时频分布；b、采用主成分分析PCA和随机投影RP对其进行联合降维，得到联合降维空间Γ；c、将降维后的时频样本向量化，构造输入数据向量vec(·)；d、在层级自动编码器框架下利用无类别标签样本预训练，再利用带有类别标签的样本数据对深度网络进行精度调谐；e、采用Softmax回归模型完成精度调谐和识别，得到输出概率P，依据概率输出可判定辐射源类型M。2.一种根据权利要求1所述的基于联合时频特征的雷达信号脉内调制类型识别方法，其特征在于：所述步骤b、c中联合降维空间及输入数据向量的确定由如下公式计算：Γ＝[ΓRP,ΓPCA]＝[RRP...
【专利技术属性】
技术研发人员：蒋兵，茅玉龙，
申请(专利权)人：中国船舶重工集团公司第七二四研究所，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。