基于无意调相特性的雷达辐射源个体识别方法及装置制造方法及图纸

技术编号:22973908 阅读:22 留言:0更新日期:2019-12-31 23:08
本发明专利技术属于雷达信号处理技术领域,特别涉及一种基于无意调相特性的雷达辐射源个体识别方法及装置,该方法包含:建立辐射源相位观测模型并获取无意调相特征曲线,构建有标签的训练数据集;利用训练数据集对构建的卷积网络模型进行离线训练;提取目标信号无意调相序列特征,利用训练后的卷积网络模型进行在线识别,得到辐射源个体识别结果。本发明专利技术在考虑有意调制情形下,给出脉内信号相位简化观测模型,并对观测相位序列进行去调制处理,提取无意调相的含噪估计;利用贝塞尔曲线拟合无意调相,降低噪声影响,最后利用卷积网络提取无意调相序列的联合特征,实现雷达辐射源个体识别。并通过仿真实验验证方案的可行性与有效性,具有较好的工程应用前景。

【技术实现步骤摘要】
基于无意调相特性的雷达辐射源个体识别方法及装置
本专利技术属于雷达信号处理
,特别涉及一种基于无意调相特性的雷达辐射源个体识别方法及装置。
技术介绍
特定辐射源识别(SpecificEmitterIdentification,SEI)是指通过对接收机截获的辐射源信号进行测量、分析,并根据已有的先验信息达到辨识个体的过程,是电子侦察的重要环节,为后续态势感知和威胁评估提供决策支持。早期雷达辐射源个体识别主要通过载频、脉宽和脉冲重复周期等常规参数进行模板匹配实现。随着雷达技术水平的提高,新体制雷达不断出现,电磁环境日益密集复杂,传统基于外部特征参数测量的方法已经难以满足快速、准确区分辐射源个体的需求。考虑到雷达辐射源个体的差异实际上是由于发射机内部器件固有的非理想特性引起的,这种非理想特性对信号的影响是细微的,称为无意调制(UnintentionalModulationOnPulse,UMOP).在传统方法失去作用的情形下,通过分析信号的UMOP特性以实现特定辐射源识别已成为一个重要的研究方向。目前,已有从时域、频域、变换域等角度分析提取能够反映UMOP的独立稳定可测特征。现有从实际工程应用出发,在中、高信噪比条件下,通过直接估计脉内瞬时相位的手段提取无意调相(UnintentionalPhaseModulationOnPulse,UPMOP)特征曲线作为辐射源个体特征,采样最近邻(NearestNeighbor,NN)分类算法实现个体识别,并在仿真数据和二次雷达实测数据上验证了该方法的可行性和有效性,取得了较好的识别效果。但仍然存在以下不足:(1)UPMOP特征曲线提取过程只适合于脉内无有意调制的情况,而在实际环境中,常用脉内有意调制信号,因此需要进一步考虑有意调制的情形下,如何有效提取脉冲的UPMOP特征曲线;(2)该算法利用时域加窗平滑对UPMOP特征曲线进行降噪处理,受噪声的影响较大,信噪比相对较低时,降噪处理后UPMOP特征曲线仍弯折抖动明显,不利于分类器学习;3)分类算法采用基于欧式距离的最近邻算法,但UPMOP特征曲线是典型的时间序列,其所有信息都包含在不同时刻的变化中,数据在时间维度上的关联性非常重要,传统基于欧式距离的最近邻分类算法无法很好地解决这一问题。
技术实现思路
为此,本专利技术提供一种基于无意调相特性的雷达辐射源个体识别方法及装置,能够较好地对特定辐射源进行分类识别,具有很好的工程应用前景。按照本专利技术所提供的设计方案,提供一种基于无意调相特性的雷达辐射源个体识别方法,包含如下内容:建立辐射源相位观测模型并获取无意调相特征曲线,构建有标签的训练数据集;利用训练数据集对构建的卷积网络模型进行离线训练;提取目标信号无意调相序列特征,利用训练后的卷积网络模型进行在线识别,得到辐射源个体识别结果。作为本专利技术个体识别方法,进一步地,基于有意调制,建立辐射源脉内信号相位观测模型,并对观测相位序列进行去调制处理,提取无意调相的含噪估计;利用贝塞尔曲线拟合来获取无意调相特征曲线。作为本专利技术个体识别方法,进一步地,信号相位观测模型表示为:其中,ν2(n)是实高斯白噪声,ψ(n)为信号相位,为相位观测序列。作为本专利技术个体识别方法,进一步地,利用相位观测序列拟合有意调制,通过最小化误差方程和以寻求最佳匹配,获取拟合结果作为无意调制的含噪估计。作为本专利技术个体识别方法,进一步地,利用贝塞尔曲线对无意调相的含噪估计进行平滑处理,平滑效果通过误差平方和进行衡量,将控制点作为待估计参数,将平滑处理目标函数转化为线性最小二乘问题,得到平滑降噪后的无意调相特征曲线。作为本专利技术个体识别方法,进一步地,基于keras搭建卷积网络模型,输入为无意调相特征曲线,通过该网络模型提取无意调相序列特征,输出分类识别结果。作为本专利技术个体识别方法,进一步地,卷积模型网络采用长短时记忆加全卷积网络模型架构,从不同角度提取无意调相序列特征。作为本专利技术个体识别方法,进一步地,输入无意调相为单变量时间序列,通过全卷积网络模型将时间序列看做多个时间步长的单变量序列处理,长短时记忆网络模型将时间序列看做多变量单步长序列处理,并利用变换Permute层置换输入维度全卷积网络模型由多个卷积块堆叠,每个卷积块包含时序卷积、批标准化和ReLU非线性变换操作,每个卷积块使用全零填充保持卷积后输出特征序列时间维度不变,做非线性变化前对激活输入值进行批标准化,经卷积后提取多维特征矢量,然后在整个时间维度上进行全局池化聚合产生多个特征值;长短时记忆网络模型利用循环体门结构控制信息传输,挖掘数据中时序信息。作为本专利技术个体识别方法,进一步地,将两个网络模型提取的特征序列进行串联,并利用Softmax输出类变量概率分布,以获取分类识别结果。进一步地,本专利技术还提供一种基于无意调相特性的雷达辐射源个体识别装置,包含:样本构建模块、模型训练模块和目标识别模块,其中,样本构建模块,用于建立辐射源相位观测模型并获取无意调相特征曲线,构建有标签的训练数据集;模型训练模块,用于利用训练数据集对构建的卷积网络模型进行离线训练;目标识别模块,用于提取目标信号无意调相序列,利用训练后的卷积网络模型进行在线识别,得到辐射源个体识别结果。本专利技术的有益效果:本专利技术弥补仅适用于接收脉冲为单载频信号的缺陷,能够从任意调制脉冲中提取出UPMOP特征曲线,并通过贝塞尔曲线拟合取得UPMOP更为精确的特征描述;通过引入深度学习技术,构建LSTM-FCN模型自学习UPMOP时间序列特征实现了雷达辐射源个体分类识别,有效解决传统最近邻算法在时间序列分类问题上表现不佳。并通过实验证明,本专利技术对噪声和样本数量均具有较好的鲁棒性,能够较准确地识别雷达辐射源个体,且识别耗时短,性能优,具有一定的工程应用价值。附图说明:图1为实施例中辐射源个体识别方法流程示意图;图2为实施例中电子侦查系统软件处理流程;图3为实施例中UPMOP特征曲线提取流程;图4为实施例中LSTM单元结构示意图;图5为实施例中FCN结构用于时间序列分类示意图;图6为实施例中LSTM-FCN网络结构示意图;图7为实施例中辐射源个体识别装置示意图;图8为实施例中调制项拟合与去调制仿真结果示意图;图9为实施例中降噪性能分析示意图;图10为实施例中两仿真雷达各自100个脉冲的UPMOP特征曲线示意图;图11为实施例中不同方法识别性能对比示意图;图12为实施例中不同网络参数下识别性能对比示意图;图13为实施例中三个信号源各自100个脉冲的UPMOP特征曲线示意图。具体实施方式:为使本专利技术的目的、技术方案和优点更加清楚、明白,下面结合附图和技术方案对本专利技术作进一步详细的说明。脉内无意调相是雷达辐射源个体识别的关键和基础,为解决现有基于UPMOP特性实现雷达辐射源个体识别方法的欠缺,本专利技术实本文档来自技高网
...

【技术保护点】
1.一种基于无意调相特性的雷达辐射源个体识别方法,其特征在于,包含如下内容:/n建立辐射源相位观测模型并获取无意调相特征曲线,构建有标签的训练数据集;/n利用训练数据集对构建的卷积网络模型进行离线训练;/n提取目标信号无意调相序列特征,利用训练后的卷积网络模型进行在线识别,得到辐射源个体识别结果。/n

【技术特征摘要】
1.一种基于无意调相特性的雷达辐射源个体识别方法,其特征在于,包含如下内容:
建立辐射源相位观测模型并获取无意调相特征曲线,构建有标签的训练数据集;
利用训练数据集对构建的卷积网络模型进行离线训练;
提取目标信号无意调相序列特征,利用训练后的卷积网络模型进行在线识别,得到辐射源个体识别结果。


2.根据权利要求1所述的基于无意调相特性的雷达辐射源个体识别方法,其特征在于,基于有意调制,建立辐射源脉内信号相位观测模型,并对观测相位序列进行去调制处理,提取无意调相的含噪估计;利用贝塞尔曲线拟合来获取无意调相特征曲线。


3.根据权利要求2所述的基于无意调相特性的雷达辐射源个体识别方法,其特征在于,信号相位观测模型表示为:其中,ν2(n)是实高斯白噪声,ψ(n)为信号相位,为相位观测序列。


4.根据权利要求2或3所述的基于无意调相特性的雷达辐射源个体识别方法,其特征在于,利用相位观测序列拟合有意调制,通过最小化误差方程和以寻求最佳匹配,获取拟合结果作为无意调制的含噪估计。


5.根据权利要求2所述的基于无意调相特性的雷达辐射源个体识别方法,其特征在于,利用贝塞尔曲线对无意调相的含噪估计进行平滑处理,平滑效果通过误差平方和进行衡量,将控制点作为待估计参数,将平滑处理目标函数转化为线性最小二乘问题,得到平滑降噪后的无意调相特征曲线。


6.根据权利要求1所述的基于无意调相特性的雷达辐射源个体识别方法,其特征在于,基于keras搭建卷积网络模型,输入为无意调相特征曲线,通过该网络模型提取无意调相序列特征,输出分...

【专利技术属性】
技术研发人员:秦鑫黄洁查雄陈世文骆丽萍王功明胡雪若白苑军见胡赵成曹楠卢方合
申请(专利权)人:中国人民解放军战略支援部队信息工程大学
类型:发明
国别省市:河南;41

网友询问留言 已有0条评论
  • 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。

1