一种基于度量信息矩阵的雷达信号识别方法及系统技术方案

本发明专利技术提供的技术方案实现了一种基于度量信息矩阵的雷达信号识别方法及系统，包括，获取雷达辐射源描述字对应的数据，并对雷达辐射源描述字对应的数据进行归一化处理；对归一化处理后的雷达辐射源描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵集合特征，并对提取的度量信息矩阵集合特征进行升维处理得到特征数据集；采用多尺度卷积神经网络从所述特征数据集中提取雷达辐射源的特征，并进行雷达信号识别。本发明专利技术采用的多尺度序列化度量信息矩阵有效的提取了雷达信号的几何特征，对雷达信号处理技术领域具有重要的实际应用价值。

【技术实现步骤摘要】
一种基于度量信息矩阵的雷达信号识别方法及系统
本专利技术涉及信号识别
，具体涉及一种基于度量信息矩阵的雷达信号识别方法及系统。
技术介绍
度量信息矩阵理论是度量测度几何领域的一个重要研究对象，可以用来刻画度量空间的不同尺度的几何结构，随着Gromov-Hausdorff度量的引入，该领域在相关应用领域取得了快速的发展，如直觉模糊集理论、模糊决策等。雷达辐射源识别是指利用雷达描述字识别雷达辐射源的型号，如美国AN/SPY-1和日本OPS-28等。由于雷达接收机所处的环境中，存在着各种背景噪声，以及各种非合作辐射源的低截获概率设计、频率跳变等模式存在，使得侦测的雷达辐射源描述字往往存在着各种各样的误差，这给雷达辐射源识别带来很大的困难。现有的雷达辐射源识别方法有很多，基于模板匹配法的雷达信号识别算法，基于随机森林的雷达信号识别算法，基于时频分析的雷达信号识别方法，基于深度神经网络的算法等。这些方法一定程度上解决了雷达辐射源识别的问题，但是，在对复杂体制雷达、低信噪比环境中，识别的精度并不理想。由于过度依赖人工特征的设计提取，并且模型通常不具备旋转不变性(一维时对应置换不变性)和平移不变性，使得模型的鲁棒性较差。此外，通常采用深度神经网络识别的方法中，由于数据维度较低，使得模型容易出现过拟合等问题，导致模型的能力受限。
技术实现思路
为了解决现有技术中所存在的雷达辐射源识别精度不高，识别算法模型鲁棒性低的问题，本专利技术提供一种基于度量信息矩阵的雷达信号识别方法及系统包括：获取雷达辐射源描述字对应的数据，并对所述雷达辐射源描述字对应的数据进行归一化处理；对归一化处理后的雷达辐射源描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵集合特征，并对提取的度量信息矩阵集合特征进行升维处理得到特征数据集；采用多尺度卷积神经网络从所述特征数据集中提取所述雷达辐射源的特征，并进行雷达信号识别。优选的，所述对归一化处理后的雷达描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵特征，包括：基于雷达描述字对应的数据的个数确定阶数n，并进行信息度量矩阵的计算，得到n×n维的信息度量矩阵集合，其中，雷达描述字对应的数据的个数>n>1；对于阶数n在取值范围内的不同取值，得到的不同尺度度量信息矩阵集；从所述不同尺度度量信息矩阵集中提取度量信息矩阵特征。优选的，所述度量信息度量矩阵按下式计算：式中，xi、xj为不同的雷达辐射源描述字；Mn×n为n×n维的信息度量矩阵集合；n为度量信息矩阵的阶数，取正整数。优选的，所述对提取的度量信息矩阵集合特征进行处理，生成维度更高的特征数据集，包括：对提取的度量信息矩阵集合进行序列化对齐与获取的雷达辐射源描述字对应的数据进行数据拼接，生成高维度的特征数据集。优选的，所述采用多尺度卷积神经网络从所述新特征数据集中提取所述雷达辐射源描述字数据的特征，并进行雷达辐射源识别，包括：将所述特征数据集输入到所述多尺度卷积神经网络中；所述多尺度卷积神经网络采用多个支路的卷积神经网络结构，每个支路选择不同的卷积核，从所述特征数据集中提取特征作为所述雷达辐射源描述字对应数据的特征，并对所述提取的特征进行粘合处理；将所述粘合处理后的特征采用逻辑回归进行雷达辐射源分类识别。优选的，所述雷达辐射源描述字包括：脉宽最大值、脉宽最小值、脉宽均值、重复间隔最大值、重复间隔最小值、重复间隔均值、载频最大值、载频最小值、载频均值。优选的，所述对所述雷达辐射源描述字对应的数据进行归一化处理，包括：分别对所述雷达辐射源描述字对应的数据采用归一化公式进行归一化处理；优选的，所述归一化公式如下式所示：式中，y表示归一化后的雷达辐射源描述字的脉宽/重复间隔/载频；ymin、ymax分别表示雷达辐射源描述字的脉宽/重复间隔/载频的最小和最大值。一种基于度量信息矩阵的雷达信号识别系统，包括：第一数据处理模块，用于获取雷达辐射源描述字对应的数据，并对所述雷达辐射源描述字对应的数据进行归一化处理；第二数据处理模块，用于对归一化处理后的雷达辐射源描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵集合特征，并对提取的度量信息矩阵集合特征进行升维处理得到特征数据集；识别模块，采用多尺度卷积神经网络从所述特征数据集中提取所述雷达辐射源的特征，并进行雷达辐射源识别。优选的，所述第二数据处理模块包括：度量矩阵计算子模块，基于雷达描述字对应的数据的个数确定阶数n，并进行信息度量矩阵的计算，得到n×n维的信息度量矩阵集合，其中，雷达描述字对应的数据的个数>n>1；集合构建子模块，用于对于阶数n在取值范围内的不同取值，得到的不同尺度度量信息矩阵集；特征提取子模块，用于从所述不同尺度度量信息矩阵集中提取度量信息矩阵特征。与现有技术相比，本专利技术的有益效果为：本专利技术提供获取雷达辐射源描述字对应的数据，并对所述雷达辐射源描述字对应的数据进行归一化处理；对归一化处理后的雷达辐射源描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵集合特征，并对提取的度量信息矩阵集合特征进行升维处理得到特征数据集；采用多尺度卷积神经网络从所述特征数据集中提取所述雷达辐射源的特征，并进行雷达信号识别。本专利技术提取的度量信息矩阵具有旋转不变性和平移不变性，并且不同的阶数的度量信息矩阵集对应不同尺度的雷达辐射源几何特征，能够提高模型的鲁棒性；本专利技术提供的技术方案将提取的数据的几何特征有效的提升了数据的维度，通过与原始数据进行拼接融合，增加了数据的维度对数据进行了增强，能够有效提高雷达辐射源识别精度。附图说明图1为本专利技术的基于度量信息矩阵的雷达信号识别方法流程图；图2为本专利技术的实施例中的雷达识别方法流程图；图3为本专利技术的基于度量信息矩阵的雷达信号识别系统示意图。具体实施方式为了更好地理解本专利技术，下面结合说明书附图和实例对本专利技术的内容做进一步的说明。本专利技术为解决其技术问题，采用基于度量信息矩阵的方法提取不同尺度的具有旋转不变形和平移不变形的雷达信号的几何特征，实现对数据进行维度提升和数据增强，进一步利用多尺度卷积神经网络，提取雷达辐射源描述字数据的全局和局部特征，实现雷达辐射源的分类识别，具体技术方案为：一种基于度量信息矩阵的雷达信号识别方法，如图1所示，主要步骤包括：步骤1、获取雷达辐射源描述字对应的数据，并对所述雷达辐射源描述字对应的数据进行归一化处理；步骤2、对归一化处理后的雷达辐射本文档来自技高网...

【技术保护点】
1.一种基于度量信息矩阵的雷达信号识别方法，其特征在于，包括：/n获取雷达辐射源描述字对应的数据，并对所述雷达辐射源描述字对应的数据进行归一化处理；/n对归一化处理后的雷达辐射源描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵集合特征，并对提取的度量信息矩阵集合特征进行升维处理得到特征数据集；/n采用多尺度卷积神经网络从所述特征数据集中提取所述雷达辐射源的特征，并进行雷达信号识别。/n

【技术特征摘要】
1.一种基于度量信息矩阵的雷达信号识别方法，其特征在于，包括：
获取雷达辐射源描述字对应的数据，并对所述雷达辐射源描述字对应的数据进行归一化处理；
对归一化处理后的雷达辐射源描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵集合特征，并对提取的度量信息矩阵集合特征进行升维处理得到特征数据集；
采用多尺度卷积神经网络从所述特征数据集中提取所述雷达辐射源的特征，并进行雷达信号识别。


2.如权利要求1所述的雷达信号识别方法，其特征在于，所述对归一化处理后的雷达描述字对应的数据进行度量信息矩阵集合的计算，得到由雷达辐射源描述字对应的数据构成的度量信息矩阵集合，提取度量信息矩阵特征，包括：
基于雷达描述字对应的数据的个数确定阶数n，并进行信息度量矩阵的计算，得到n×n维的信息度量矩阵集合，其中，雷达描述字对应的数据的个数>n>1；
对于阶数n在取值范围内的不同取值，得到的不同尺度度量信息矩阵集；
从所述不同尺度度量信息矩阵集中提取度量信息矩阵特征。


3.如权利要求2所述的雷达信号识别方法，其特征在于，所述度量信息度量矩阵按下式计算：



式中，xi、xj为不同的雷达辐射源描述字；Mn×n为n×n维的信息度量矩阵集合；n为度量信息矩阵的阶数，取正整数。


4.如权利要求3所述的雷达信号识别方法，其特征在于，所述对提取的度量信息矩阵集合特征进行处理，生成维度更高的特征数据集，包括：
对提取的度量信息矩阵集合进行序列化对齐与获取的雷达辐射源描述字对应的数据进行数据拼接，生成高维度的特征数据集。


5.如权利要求1所述的雷达信号识别方法，其特征在于，所述采用多尺度卷积神经网络从所述新特征数据集中提取所述雷达辐射源描述字数据的特征，并进行雷达信号识别，包括：
将所述特征数据集输入到所述多尺度卷积神经网络中；
所述多尺度卷积神经网络采用多个支路的卷积神经网络结构，每个支路选择不同的卷积核，从所述特征...

【专利技术属性】
技术研发人员：许光銮，任文娟，代贵杰，杨战鹏，孙显，石泉，吉文阳，刘天兴，丁刚，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11