【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几种思路:(1)通过人工特征提取将辐射源信号向量化,再利用深度神经网络完成识别;(2)将辐射源信号中频数据作为神经网络的输入,直接由神经网络自动提取辐射源中频特征,并给出识别结果;(3)对辐射源信号中频数据做适当的信号预处理,再将预处理后的信号交由神经网络完成自动特征提取与识别。第一种思路仍依赖于人工经验,存在传统人工特征提取方法的固有缺陷;第二种思路过于依赖神经网络的学习能力,由于敌方辐射源载频 ...
【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;/n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;/n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。/n
【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。