【技术实现步骤摘要】
基于生成对抗网络的雷达信号未知调制方式检测方法
本专利技术涉及一种基于生成对抗网络的雷达信号未知调制方式检测方法,属于电子识别领域。
技术介绍
雷达辐射源信号调制方式识别是电子识别中的重要环节,在识别中,获取更多的信息就能掌握主动权。但是随着新兴雷达的出现,雷达信号的调制方式愈发复杂多变,已知库中的雷达信号调制方式种类有限,更多的雷达信号调制方式是未知的。现有的调制方式识别方法无法很好的实现对未知调制方式的雷达辐射源信号的检测,因此,寻找新型的检测方法是迫切的且非常有意义的。对于未知信号的检测一般有异常点检测,但是异常点检测是对少量异常点进行的检测,对于雷达信号调制方式检测而言,存在稳定性差、耗时长、精度低等缺点。异常点检测通常都是对一系列点中的某些异常点进行检测,但是未知调制方式的雷达辐射源信号检测需要对单一信号进行检测,因此异常点检测用于雷达信号调制方式检测时会出现不稳定的问题。此外,异常点检测需要对所有的点进行遍历检测才能够找出其中异常的部分,所需时间长,无法满足对抗的实时性要求。将异常点检测直接应用在未知调制方式的雷达辐射源信号检测上会导致识别精度低的问题。
技术实现思路
本专利技术的目的是为了解决现有检测方法对于未知调制方式的雷达辐射源信号检测存在稳定性差、耗时长、精度低等问题而提供一种基于生成对抗网络的雷达信号未知调制方式检测方法。本专利技术的目的是这样实现的:一种基于生成对抗网络的雷达信号未知调制方式检测方法,具体包括以下步骤:步骤1、从雷达信号数据库中顺序采集所有雷达信号x(t);步骤2、利用时频变换,通过崔-威廉斯分布和短时傅里叶变换获得雷达 ...
【技术保护点】
1.一种基于生成对抗网络的雷达信号未知调制方式检测方法,其特征在于,具体包括以下步骤:步骤1、从雷达信号数据库中顺序采集所有雷达信号x(t);步骤2、利用时频变换,通过崔‑威廉斯分布和短时傅里叶变换获得雷达信号时频图像;步骤3、结合深度学习,用时频图像对生成对抗网络进行参数训练,保存判别器参数;步骤4、利用判别器参数构成判别器,组合各判别器对雷达信号进行判别;步骤5、结合群智能优化算法的思想,利用改进乌鸦搜索算法优化各判别器的权重参数,得到最佳的判别结果;步骤6、最后保留判别器的参数以及各权重参数,对接收到的雷达信号进行检测。
【技术特征摘要】
1.一种基于生成对抗网络的雷达信号未知调制方式检测方法,其特征在于,具体包括以下步骤:步骤1、从雷达信号数据库中顺序采集所有雷达信号x(t);步骤2、利用时频变换,通过崔-威廉斯分布和短时傅里叶变换获得雷达信号时频图像;步骤3、结合深度学习,用时频图像对生成对抗网络进行参数训练,保存判别器参数;步骤4、利用判别器参数构成判别器,组合各判别器对雷达信号进行判别;步骤5、结合群智能优化算法的思想,利用改进乌鸦搜索算法优化各判别器的权重参数,得到最佳的判别结果;步骤6、最后保留判别器的参数以及各权重参数,对接收到的雷达信号进行检测。2.根据权利要求1所述基于生成对抗网络的雷达信号未知调制方式检测方法,其特征在于,所述步骤2具体包括以下步骤:步骤2.1、对雷达信号集做崔-威廉斯分布得到时频图像,对应的崔-威廉斯分布公式为CWD(t,f)=∫∫∫ej2πθ(u-t)exp[(πθτ)2/2σ]x(u+τ/2)x*(u-τ/2)ej2πfτdθdudτ式中,t是时间,f是频率,θ是频移变量,τ是时移变量,u是积分变量,(·)*表示共轭操作;步骤2.2、对雷达信号集做短时傅里叶变换得到时频图像,对应的短时傅里叶变换公式为式中,g(τ)是偶窗函数,且||g(τ)||=1。3.根据权利要求2所述基于生成对抗网络的雷达信号未知调制方式检测方法,其特征在于,所述步骤3具体包括以下步骤:步骤3.1、利用步骤2.1通过崔-威廉斯分布得到的时频图像训练GAN,调整网络模型参数,使得判别器1输出为0.5,保存判别器1参数,在GAN中,所要优化的目标函数为式中,r表示时频变换图片,Pdata(r)是时频图像样本分布,z表示输入噪声,Pz(z)是输入噪声分布,E(·)是期望,G(z)表示生成器1生成的图片,D(x)表示判别器1判别r是否为真实的概率,D(G(z))是判别器1判别生成器1生成的图片是否真实的概率;步骤3.2、利用步骤2.2通过短时傅里叶变换得到的时频图像训练GAN,调整网络模型参数,使得判别器2输出为0.5,保存判别器2参数;步骤3.3、利用步骤2.1通过崔-威廉斯分布得到的时频图像训练Wasserstein-GAN,调整网络模型参数,使得判别器3输出为0.5,保存判别器3参数,在Wasserstein-GAN中,最后一层不是非线性激活层,使得此时的L就为真实分布与生成分布之间的Wasserstein距离,生成器3最小化Wasserstein距离可得到Wasserstein-GAN;步骤3.4、利用步骤2.2通过短时傅里叶变换得到的时频图像训练Wasserstein-GAN,调整网络模型参数,使得判别器4输出为0.5,保存判别器4参数。4.根据权利要求3所述基于生成对抗网络的雷达信号未知调制方式检测方法,其特征在于,所述步骤4具体为:将...
【专利技术属性】
技术研发人员:高敬鹏,卢毅,张文旭,郜丽鹏,高路,孙恒,郭磊,张昕雨,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:黑龙江,23
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。