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

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