【技术实现步骤摘要】
一种对新体制雷达目标未知模式的零样本识别方法
本专利技术涉及雷达电子侦察和人工智能的交叉
，具体涉及一种对新体制雷达目标未知模式的零样本识别方法。
技术介绍
电子战系统的主要任务是发现辐射源的存在并尽快生成对抗策略，该系统的主要组成部分是需要对辐射源进行监测并识别其当前的工作模式，为后续干扰措施的选择打下基础。传统的辐射源模式识别算法依赖于已有特征模板的匹配，或是预先采集足够数量样本以进行识别模型的训练。这些已知模板或是可以经过离线学习的模式被称为已知类。然而，当复杂电磁环境信号密度强、存在捷变模式的先进辐射源时，传统分类方法往往无法得到全部的特征模板和数据，会出现从未见过的辐射源未知模式信号，尽管基于聚类的算法例如吸引子传播(AffinityPropagation，AP)算法和快速密度峰(ClusterofFastSearchingDensityPeaks,CFS)算法能够在没有任何先验信息的情况下，将信号进行聚类，然而这些完全由数据驱动的方法往往准确率较低并且在线识别的时间复杂度很高，即未知类的数据很难快速...
【技术保护点】
1.一种对新体制雷达目标未知模式的零样本识别方法，其特征在于，该方法的模型包括特征提取网络和跨层自编码器网络两部分，特征提取网络提取输入信号样本的特征，作为跨层自编码器的输入，跨层自编码器由编码器和解码器两部分组成，编码器包含视觉特征输入层、中间层、全连接输出层、快捷层和语义特征层，视觉特征输入层、中间层和全连接输出层构成了一个两层的全连接神经网络，视觉特征输入层和快捷层构成了一个跨层网络，解码器由转移层、中间层*和视觉特征输出层组成，具体包括以下步骤：/n步骤一、选取m个雷达信号特征参数进行雷达辐射源模式语义描述，构建N种m维雷达辐射源模式语义描述向量
【技术特征摘要】
1.一种对新体制雷达目标未知模式的零样本识别方法，其特征在于，该方法的模型包括特征提取网络和跨层自编码器网络两部分，特征提取网络提取输入信号样本的特征，作为跨层自编码器的输入，跨层自编码器由编码器和解码器两部分组成，编码器包含视觉特征输入层、中间层、全连接输出层、快捷层和语义特征层，视觉特征输入层、中间层和全连接输出层构成了一个两层的全连接神经网络，视觉特征输入层和快捷层构成了一个跨层网络，解码器由转移层、中间层*和视觉特征输出层组成，具体包括以下步骤：
步骤一、选取m个雷达信号特征参数进行雷达辐射源模式语义描述，构建N种m维雷达辐射源模式语义描述向量和与其对应的辐射源模式ui,i＝{1,2,...,N}，构建输入信号样本数据集，包括含有Ctr种雷达辐射源模式的训练集Ik,k∈{1,2,…,K}和含有Cte种雷达辐射源模式的测试集Im,m∈{1,2,…,M}；设置特征提取网络层数L和每层的节点数设置跨层自编码器网络中的视觉特征输入层、转移层、视觉特征输出层节点数相同，记为中间层和中间层*节点数为NODEC，全连接输出层，快捷层和语义特征层的节点数相同为NODEse，设置编码器权重稀疏化项的权重λ，解码器损失函数权重α以及正则化权重β，训练的迭代次数epo，随机初始化待训练的特征提取神经网络权重WF和跨层自编码器每层的网络权重W1,W2,W3；
其中，训练集Ik中每一个信号样本对应一个语义描述向量Ak是信号样本Ik所属辐射源模式uk对应的语义描述向量，共对应Ctr种从Ai'中抽取的雷达辐射源模式语义描述向量，测试集Im包含等待预测的M个雷达辐射源信号样本Im和Cte个语义描述向量Actest是从Ai'中抽取的所属辐射源模式uctest的语义描述向量；
步骤二、将训练集Ik作为训练特征提取网络的输入数据，训练特征提取网络并得到权重WF，WF由一组权重组成，其大小为提取输入数据中间层的输出特征Xk＝IkWF,k∈{1,2,…,K}，作为跨层自编码器的输入；
步骤三、将步骤二的特征提取网络的输出Xk作为输入数据，计算权重值利用权重值分别计算编码器的损失函数LossEn、解码器的损失函数LossDe和正则化项Θ，并加权求和得到跨层自编码器网络的损失函数LossCLAE，利用优化算法根据损失函数LossCLAE对跨层自编码器网络进行训练，重复步骤三迭代训练epo次，得到跨层自编码器网络权重W1,W2,W3；
步骤四、对测试样本Im进行特征提取，使测试样本通过步骤二中训练的特征提取网络，利用步骤二中经训练特征网络得到的权重WF，输出测试样本的特征Xm＝ImWF，作为测试时跨层自编码器网络的输入；
步骤五、将测试样本的特征Xm输入到步骤三中训练好的跨层自编码器网络中的编码器部分，编码器部分对测试样本Im进行编码和分类识别，编码器输出结果即为模型预测的语义描述向量OEn(Xm)，寻找与其最相近的已知的语义描述向量Actest进行匹配，得到样本所属的辐射源模式uctest。
2.根据权利要求1所述的一种对新体制雷达目标未知模式的零样本识别方法，其特征在于，步骤一中所述的选取m个雷达信号特征参数进行雷达辐射源语义描述...
【专利技术属性】
技术研发人员：杨健，王沙飞，李岩，汪生，田震，张滋林，
申请(专利权)人：中国人民解放军三二八零二部队，北京理工大学，
类型：发明
国别省市：北京;11
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。