【技术实现步骤摘要】
雷达辐射源个体识别方法、装置、电子设备及其存储介质
本专利技术属于脉内无意调制识别
，具体涉及一种雷达辐射源个体识别方法、装置、电子设备及其存储介质。
技术介绍
雷达辐射源个体识别是现代电子情报和电子支援系统的重要研究内容，其不仅在军事应用上具有重要意义，还在民用网络安全接入、认知无线电以及公共安全等领域具有较高的价值。随着雷达技术的发展，利用雷达信号的个体特征实现对特定辐射源的识别已成为电子侦察领域的热点问题。在传统信号参数相同的情况下，通过特定辐射源识别，可以利用辐射源的无意调制信息完成雷达辐射源之间的区分识别，进而对特定的辐射源进行有效、长期的监视与跟踪。比如，中国航天科工集团八五一一研究所拥有的申请号为201811208283.3的专利公开了一种基于雷达指纹特征的辐射源识别方法，该方法通过对接收的雷达脉冲信号进行有意特征识别与分类，并判断模板库中是否存在该有意识别信号类型的模板，从而确定当前雷达辐射源是否是已知雷达辐射源，如果不是，则形成模板入库。但是，上述基于雷达指纹特征的辐射源识别方法需要人...
【技术保护点】
1.一种雷达辐射源个体识别方法，其特征在于，包括：/n获取雷达辐射源包络图像集，所述雷达辐射源包络图像集包括雷达辐射源包络训练图像集、雷达辐射源包络验证图像集、雷达辐射源包络测试图像集；/n构建卷积神经网络模型，根据所述雷达辐射源包络训练图像集、所述雷达辐射源包络验证图像集对所述卷积神经网络模型进行训练、验证得到训练好的卷积神经网络模型；/n将所述雷达辐射源包络测试图像集输入至所述训练好的卷积神经网络模型得到雷达辐射源个体识别率。/n
【技术特征摘要】
1.一种雷达辐射源个体识别方法，其特征在于，包括：
获取雷达辐射源包络图像集，所述雷达辐射源包络图像集包括雷达辐射源包络训练图像集、雷达辐射源包络验证图像集、雷达辐射源包络测试图像集；
构建卷积神经网络模型，根据所述雷达辐射源包络训练图像集、所述雷达辐射源包络验证图像集对所述卷积神经网络模型进行训练、验证得到训练好的卷积神经网络模型；
将所述雷达辐射源包络测试图像集输入至所述训练好的卷积神经网络模型得到雷达辐射源个体识别率。
2.根据权利要求1所述的雷达辐射源个体识别方法，其特征在于，获取雷达辐射源包络训练图像集，包括：
接收雷达辐射源信号集；
对接收的所述雷达辐射源信号集进行滑窗平均处理得到雷达辐射源实信号集；
对所述雷达辐射源实信号集进行Hilbert变换得到变换后的雷达辐射源解析信号集；
对所述变换后的雷达辐射源解析信号集取模，并做归一化处理，得到所述雷达辐射源包络图像集。
3.根据权利要求1所述的雷达辐射源个体识别方法，其特征在于，构建的卷积神经网络模型包括依次连接的输入层、第一卷积层、第一dropout层、第一池化层、第二卷积层、第二dropout层、第二池化层、全连接层、第三dropout层、Softmax层、输出层。
4.根据权利要求1所述的雷达辐射源个体识别方法，其特征在于，根据所述雷达辐射源包络训练图像集、所述雷达辐射源包络验证图像集对所述卷积神经网络模型进行训练、验证得到训练好的卷积神经网络模型，包括：
根据所述雷达辐射源包络训练图像集对所述卷积神经网络模型进行训练得到第一参数集对应的卷积神经网络模型；
根据所述雷达辐射源包络验证图像集对所述第一参数集对应的卷积神经网络模型进行验证来确定所述训练好的卷积神经网络模型。
5.根据权利要求4所述的雷达辐射源个体识别方法，其特征在于，根据所述雷达辐射源包络验证图像集对所述第一参数集对应的卷积神经网络模型进行验证来确定所述训练好的卷积神经网络模型，包括：
将所述雷达辐射源包络验证图像集输入至所述第一参数集对应的卷积神经网络模型得到第一验证结果；
判断所述第一验证结果大于或等于预设阈值，将所述第一参数集对应的卷积神经网络模型确定为所述训练好的卷积神经网络模...
【专利技术属性】
技术研发人员：饶鲜，张玲，董春曦，董阳阳，孙霆，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
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。