【技术实现步骤摘要】
一种雷达信号分选识别方法、装置、探测器及存储介质
本专利技术涉及雷达信号识别
，特别涉及一种雷达信号分选识别方法、装置、探测器及存储介质。
技术介绍
在现代电子战中,对雷达辐射源信号的分析与处理是电子情报侦察系统和电子支援系统重要环节之一。雷达信号样式纷繁复杂、工作模式多，特别是战时情况下新雷达信号不断涌现，对于一些已知调制方式的雷达波形，可利用雷达先验知识与侦察接收机所接收雷达信号的关联性进行识别分类。但对于新雷达信号，由于无法利用先验知识，侦察机的标识成本高，导致难以获得较多的新雷达信号样本，对于此类未知雷达信号在有限样本的情况下以及在低信噪比条件下传统识别手段识别率低，且识别耗时长。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种雷达信号分选识别方法、装置、探测器及存储介质，在未知雷达信号样本有限的情况下，实现雷达信号的分选识别。本专利技术解决上述技术问题，本专利技术提出一种达信号分选识别方法，所述雷达信号分选识别方法包括以下步骤：响应于检测到的目标辐射源信号，使用CW...
【技术保护点】
1.一种雷达信号分选识别方法，其特征在于，所述雷达信号分选识别方法包括以下步骤：/n响应于检测到的目标辐射源信号，使用CWD时频分析技术对所述目标辐射信号进行变换得到原始时频图像，使用短时自相关特征图像构造方法对所述目标辐射信号进行变换得到自相关特征图像；/n使用不同的卷积神经网络特征提取器对所述原始时频图像及所述自相关特征图像进行特征提取，并将特征提取结果分别发送至不同的随机森林分类器得到原始时频图像的分类器决策及自相关特征图像的分类器决策；/n根据预设权重分配方法，将所述原始决策与所述自相关决策加权后进行融合，得到分选识别结果；所述原始决策为所述原始时频图像的分类器决策...
【技术特征摘要】
1.一种雷达信号分选识别方法，其特征在于，所述雷达信号分选识别方法包括以下步骤：
响应于检测到的目标辐射源信号，使用CWD时频分析技术对所述目标辐射信号进行变换得到原始时频图像，使用短时自相关特征图像构造方法对所述目标辐射信号进行变换得到自相关特征图像；
使用不同的卷积神经网络特征提取器对所述原始时频图像及所述自相关特征图像进行特征提取，并将特征提取结果分别发送至不同的随机森林分类器得到原始时频图像的分类器决策及自相关特征图像的分类器决策；
根据预设权重分配方法，将所述原始决策与所述自相关决策加权后进行融合，得到分选识别结果；所述原始决策为所述原始时频图像的分类器决策，所述自相关决策为所述自相关特征图像的分类器决策。
2.根据权利要求1所述的雷达信号分选识别方法，其特征在于，使用短时自相关特征图像构造方法对所述目标辐射信号进行变换得到自相关特征图像，具体包括：
将所述目标辐射源信号进行加窗分帧预处理；
将预处理后的所述目标辐射源信号进行自相关运算；
将所述自相关运算结果进行裁剪拼接及时频变换处理后得到短时自相关特征图像。
3.根据权利要求1所述的雷达信号分选识别方法，其特征在于，所述预设决策权重分配方法具体包括：
使用测试信号测试原始分类器及自相关分类器，得到原始分类器及自相关分类器对应不同种类信号的识别准确率；所述原始分类器为输出所述原始决策的随机森林分类器，所述自相关分类器为输出所述自相关决策的随机森林分类器；
根据所述识别准确率得到权重因子，并将权重因子及对应随机森林分类器的分类概率值线性运算得到权重值；所述分类概率值为分类结果包含的种类与对应分类器所有种类的比值。
4.根据权利要求3所述的雷达信号分选识别方法，其特征在于，还包括以下步骤：
根据所述识别准确率，人工调整所述原始分类器及所述随机森林分类器的权重增益。
5.根据权利要求1所述的雷达信号分选识别方法，其特征在于，使用对应的卷积神经网络特征提取器对所述原始时频图像及所述自相关特征图像进行特征提取，并将特征提取结果分别发送至对应的随机森林分类器得到原始时频图像的分类器决策及自相关特征图像的分类器决策的步骤之前，还包括：
使用不包括相位编码在内的多类雷达信号得到的原始时频图像及自相关特征图像对对应的卷积神经网络及对应的森林分类器进行训练；
使用相位编码中的四类...
【专利技术属性】
技术研发人员：马知远，林安妮，余文婷，黄智，夏炎，宋子轩，王肖君，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：湖北;42
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。