基于一维自步卷积神经网络的复杂雷达辐射源识别方法技术

本发明专利技术提供了一种基于一维自步卷积神经网络的复杂雷达辐射源识别方法，解决了现有技术对雷达信号需要进行维度变换处理和识别率低的问题。实现方案包括：采集雷达辐射源信号制作数据集；数据集划分为训练集、验证集；构建一维自步卷积神经网络；设置自步样本训练策略并使用训练集训练网络；将测试集的数据输入到训练好的一维自步卷积神经网络中，输出整体测试信号的识别率。本发明专利技术构建的一维自步卷积神经网络，结构简单，参数量少，可直接对一维雷达辐射源时域信号特征提取，不需要维度变换，实时性好。同时本发明专利技术采用自步样本训练策略，使网络在训练过程中尽可能接近最优点，提高了识别率。本发明专利技术可用于复杂电磁环境下的雷达辐射源识别。

【技术实现步骤摘要】
基于一维自步卷积神经网络的复杂雷达辐射源识别方法
本专利技术属于信号处理
，特别涉及一种雷达辐射源识别，具体是一种基于一维自步卷积神经网络的复杂雷达辐射源识别方法，可用于电子情报侦察、电子支援和威胁告警系统中。
技术介绍
电子对抗在电子情报侦察、电子支援和威胁告警系统中发挥着重要作用，雷达辐射源信号识别是电子对抗中的重要环节。随着科技的发展和进步，雷达的体制不断更新，电子环境愈发密集复杂，这增加了对从接收到的雷达信号中，提取特征参数的难度。再者就是接收到的雷达辐射源信号往往带有各种噪声，辐射源信号所处电磁环境的有较大的差异，导致其信噪比范围较大，这大大的增加了对于辐射源识别的难度。传统的雷达辐射源信号的特征提取主要是基于脉冲描述字(PDW)、脉冲重复间隔(PRI)、天线扫描周期(ASV)，脉冲样本图等。但在当今环境下，电磁环境逐渐复杂，新体制雷达不断出现。传统雷达辐射源识别方法的识别率低，效果不好。如何对雷达辐射源信号进行有效的识别，已经成为雷达侦察信号处理所需解决的关键问题。雷达辐射源的高精度识别，有利于在己方在电磁战场上获得优势。...

【技术保护点】
1.一种基于一维自步卷积神经网络的复杂雷达辐射源识别方法，其特征在于，包括有如下步骤：/n1)采集雷达信号：采集雷达信号，生成复杂雷达辐射源信号数据集，该数据集信号包括常规脉冲信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、二频编码信号和四频编码信号这七种不同调制类型信号，其中每种信号从-10dB到-0dB，间隔1dB，共11个信噪比点。每种信号在每个信噪比点的样本数量为2000个，信号的幅度范围为-1至1；/n2)划分训练集和测试集：将复杂雷达辐射源信号数据集的信号进行训练样本和测试样本的划分，其中，每种信号在每个信噪比点的训练样本和测试样本采用随机选取的方式，训练样本和测试...

【技术特征摘要】
1.一种基于一维自步卷积神经网络的复杂雷达辐射源识别方法，其特征在于，包括有如下步骤：
1)采集雷达信号：采集雷达信号，生成复杂雷达辐射源信号数据集，该数据集信号包括常规脉冲信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、二频编码信号和四频编码信号这七种不同调制类型信号，其中每种信号从-10dB到-0dB，间隔1dB，共11个信噪比点。每种信号在每个信噪比点的样本数量为2000个，信号的幅度范围为-1至1；
2)划分训练集和测试集：将复杂雷达辐射源信号数据集的信号进行训练样本和测试样本的划分，其中，每种信号在每个信噪比点的训练样本和测试样本采用随机选取的方式，训练样本和测试样本的比例为4:1，得到样本数量为123200的训练集，样本数量为30800的测试集；
3)构建一维自步卷积神经网络：构建的一维自步卷积神经网络自输入层至输出层之间包含有四个一维卷积层，四个池化层，四个归一化层，一个全连接层，其中，一维卷积层，池化层，归一化层依次级联，全连接层级联在最后一个归一化层后面；模型采用的激活函数为ReLU；
4)训练一维自步卷积神经网络：设置一维自步卷积神经网络训练参数和自步样本训练策略，使用训练集输入到一维自步卷积神经网络中进行训练，得到训练好的一维自步卷积神经网络；
4a)设置训练参数：学习率设置为0.001；损失函数设置为交叉熵函数；模型优化算法选择Adam；
4b)设置自步样本训练策略：设置一维自步卷积神经网络的初始样本选择数量1232，每训练一轮后，样本选择数量在原来基础上增加1232；当训练集样本全部被选择后，样本选择数量不在递增，网络继续训练若干轮，直到收敛，得到训练好的一维自步卷积神经网络；
5)将测试集的数据输入到训练好的一维自步卷积神经网络中，输出雷达辐射源信号整体识别率。


2.根据权利要求1所述的基于一维自步卷积神经网络的复杂雷达辐射源识别方法，其特征在于步骤1)中所述的7种不同调制类型雷达信号，其对应参数设置如下：
这7种不同调制类型雷达信号的采样频率均设置为2GHz,采样点数均设置为1024个；
常规脉冲信号的载频范围为200-220MHz；
线性调频信号的载频范围为200-220MHz，带宽范围为50-60MHz；
非线性调频信号采用余弦调制，载频范围为200-220MHz，调制信号范围为10-12MHz；
二相编码信号的载频范围为200-220MHz，编码方式采用13位巴克码，脉宽为0.5us，码元宽度为0.038us；
四相编码信号的载频范围为200-220MHz，编码方式采用16位Frank码，脉宽为0.5us，码元宽度为0.03us；
二频编码信号的载频范围分别为200-220MHz、300-320MHz，编码方式采用13位巴克码，脉宽为0.5us，码元宽度为0.038us；
四频编码信号的载频范围分别为100-110MHz、150-160MHz、200-210MHz，250-260MHz，编码方式采用16位Frank码，脉宽为0.5us，码元宽度为0.03us。


3.根据权利要求1所述的基于一维自步卷积神经网络的复杂雷达...

【专利技术属性】
技术研发人员：武斌，袁士博，李鹏，王钊，张葵，荆泽寰，殷雪凤，
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