【技术实现步骤摘要】
基于稀疏时频检测卷积神经网络的雷达辐射源识别方法
本专利技术涉及电子对抗
技术介绍
雷达辐射源识别技术是现代电子对抗的重要组成部分，在军事作战中，通过电子侦察设备捕获敌方发射的电磁波，利用辐射源识别技术判断出发射该电磁波雷达的用途或类型，进而可以推断出敌方平台的类型或是型号，为我方制定作战预案提供参考依据，做到先发制敌，取得战场的主动权。当前，频率分集、脉冲压缩、脉冲多普勒、相控阵雷达等新工作体制雷达层出不穷，导致电磁环境高度密集，传统基于辐射源描述字(emitterdescriptionwords，EDW)的识别方法，难以胜任复杂电磁空间中的辐射源识别任务。由于现代雷达广泛采用脉冲压缩体制，因而脉内调制特征可以应用于雷达辐射源识别，常用的脉内分析方法有：瞬时自相关、倒谱技术、谱相关技术、时频分析等，这些方法均依赖人工经验进行特征提取与分类器的设计，使得识别系统的维护与更新需消耗一定的人工成本与时间成本。近年来，随着深度学习工程应用的兴起，机器自动提取特征成为现实，目前基于深度学习的辐射源识别方法主要有以下...
【技术保护点】
1.基于稀疏时频检测卷积神经网络的雷达辐射源识别方法，其特征在于：/n步骤1：利用内插、滤波、抽取将不同侦察设备截获的辐射源中频信号采样率统一；/n步骤2：利用短时傅里叶变换STFT将采样率统一后的辐射源中频信号，变换为频率分辨率、时间窗个数固定的时频图；/n步骤3：对时频图进行特征增强，得到稀疏时频矩阵；/n步骤4：用边框检测出稀疏时频矩阵中辐射源信号，得到检测后辐射源时频矩阵；/n步骤5：网络训练阶段，按步骤1～步骤3对训练样本集中辐射源中频信号进行处理，得到稀疏时频矩阵，并用该稀疏时频矩阵对卷积神经网络进行训练；/n步骤6：网络测试阶段，按步骤1～步骤4对测试样本集中...
【技术特征摘要】
1.基于稀疏时频检测卷积神经网络的雷达辐射源识别方法，其特征在于：
步骤1：利用内插、滤波、抽取将不同侦察设备截获的辐射源中频信号采样率统一；
步骤2：利用短时傅里叶变换STFT将采样率统一后的辐射源中频信号，变换为频率分辨率、时间窗个数固定的时频图；
步骤3：对时频图进行特征增强，得到稀疏时频矩阵；
步骤4：用边框检测出稀疏时频矩阵中辐射源信号，得到检测后辐射源时频矩阵；
步骤5：网络训练阶段，按步骤1～步骤3对训练样本集中辐射源中频信号进行处理，得到稀疏时频矩阵，并用该稀疏时频矩阵对卷积神经网络进行训练；
步骤6：网络测试阶段，按步骤1～步骤4对测试样本集中辐射源中频信号进行处理，得到检测后辐射源时频矩阵，并用该检测后辐射源时频矩阵，对步骤5中训练完成的卷积神经网络进行测试；
步骤7：重复步骤5、6直至得到识别性能、泛化能力符合要求的网络模型；
步骤8：工程应用时，先按步骤1～4对截获的辐射源做信号预处理，再按步骤6中网络正向传播过程，用步骤7中训练完成的网络对辐射源进行识别。
2.根据权利要求1所述的基于稀疏时频检测卷积神经网络的雷达辐射源识别方法，其特征在于，所述步骤2包括：
步骤2-1：预设频率分辨率Δf，结合步骤1中得到的统一采样率fs，计算STFT时间窗内离散时间样本点数Nw；
步骤2-2：预设时间窗个数Nt，计算STFT时间窗滑动步长Sw；
步骤2-3：由已知参数Nw、Sw、Nt，对步骤1中统一采样率后的辐射源信号做STFT处理，得到频率分辨率、时间窗个数固定的时频图PSTFT(ti,fi)，其中，ti为时间窗索引，fi为频率分辨单元索引。
3.根据权利要求2所述的基于稀疏时频检测卷积神经网络的雷达辐射源识别方法，其特征在于：所述步骤2-1中STFT时间窗内离散时间样本点数Nw为：
式中，是向上取整运算，lb(·)是底数为2的对数运算。
4.根据权利要求2所述的基于稀疏时频检测卷积神经网络的雷达辐射源识别方法，其特征在于：所述步骤2-2中STFT时间窗滑动步长Sw为：
式中，是向上取整运算，Nx为辐射源信号脉宽。
5.根据权利要求1所述的基于稀疏时频检测卷积神经网络的雷达辐射源识别方法，其特征在于：所述步骤3包括：
步骤3-1：对数化时频图PSTFT(ti,fi)，得到对数时频图PLSTFT(ti,fi)；
步骤3-2：在每个时间窗ti上，求解对数时频图PLSTFT(ti,fi)的频谱峰值序列Ptmax(ti)；
步骤3-3：在每个时间窗ti上，搜寻频率分辨单元使得幅值比Ptmax(ti...
【专利技术属性】
技术研发人员：冷鹏飞，王谦诚，黄翔飞，张玉涛，
申请(专利权)人：中国船舶重工集团公司第七二四研究所，
类型：发明
国别省市：江苏;32
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。