无线电信号辐射源个体识别方法、计算机设备和存储介质技术

本发明专利技术公开了一种无线电信号辐射源个体识别方法、计算机设备和存储介质，对截取的有用信号的数据段进行时频分析，获得时频图；用标记好的时频图作为训练数据集；使用分段特征提取网络和特征聚合网络，构建两级无线电信号辐射源个体特征提取网络；在训练数据集上，分别训练无线电信号辐射源分段和聚合特征个体识别网络，提升网络识别信号辐射源个体的准确率；获取待识别信号，并将时频图进行分段，输入给无线电信号辐射源聚合特征个体识别网络，识别信号辐射源个体。本发明专利技术极大地降低了对于专家知识的依赖，提升了特征函数的拟合能力，并具有较高的识别准确率。具有较高的识别准确率。具有较高的识别准确率。

【技术实现步骤摘要】
无线电信号辐射源个体识别方法、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种无线电信号辐射源个体识别方法、计算机设备和存储介质。

技术介绍

[0002]随着科学技术的发展，人工智能技术得到了广泛应用，其中，尤其对于信号的识别和处理已经有了长足的进步。无线电信号辐射源个体识别技术是指利用信号中携带的辐射源特性来确定信号辐射源发射个体设备的技术。即使对于同种型号的辐射源，其硬件的实现上也存在着细微的差异，因此，利用此技术也能够区别信号的辐射源。无线电信号辐射源个体识别技术在战场感知上起着至关重要的作用，是后续战场电子对抗决策的基础。传统方法中，试图利用功放线性特征，相位偏移特征等人工设计的专家特征进行辐射源分类。近些年来，随着深度学习技术的发展，深度辐射源指纹特征逐渐被运用到无线电信号辐射源个体识别中来。深度神经网络提取电台辐射源特征进行个体识别方法，相较与人工设计特征，具有专家知识依赖小，特征函数拟合能力强的优点，但需要更多标记数据的支持。利用采集并标注的真实数据集，设计了超短波电台深度特征提取方法，实现个体辐射源识别。

技术实现思路

[0003]1)本专利技术的主要目的是：
[0004]利用本专利成果，可在采集或接收到无线电信号辐射源后，确定发送无线电信号辐射源的个体设备。
[0005]2)技术方案：
[0006]基于此，有必要针对上述技术问题，提供一种无线电信号辐射源个体识别方法、计算机设备和存储介质。
[0007]第一方面，本申请实施例提供一种无线电信号辐射源个体识别方法，所述方法包括：
[0008]步骤1获取无线电信号辐射源的个体设备发出的信号，使用信号检测方法，截取有用信号的数据段；
[0009]步骤2对每个切割后的数据段进行时频分析，获取数据段的时频图；
[0010]步骤3用发射无线电信号辐射源的个体设备的唯一标识码作为标签，标记截取的数据段的时频图；
[0011]步骤4N个发射无线电信号辐射源的个体，共有N种标签；
[0012]步骤5用标记好的时频图作为训练数据集；
[0013]步骤6使用分段特征提取网络和特征聚合网络，构建两级无线电信号辐射源个体特征提取网络；
[0014]步骤7在分段特征提取网络后加分类识别网络，构建无线电信号辐射源分段特征个体识别网络；
[0015]步骤8在两级无线电信号辐射源个体特征提取网络后加分类识别网络，构建无线电信号辐射源聚合特征个体识别网络；
[0016]步骤9在训练数据集上，分别训练无线电信号辐射源分段和聚合特征个体识别网络，提升网络识别信号辐射源个体的准确率；
[0017]步骤10获取待识别信号，使用步骤1信号检测方法，截取有用信号的数据段；
[0018]步骤11采用步骤2时频分析的方法对截取数据进行预处理，得到数据段的时频图；
[0019]步骤12将时频图进行分段，输入给无线电信号辐射源聚合特征个体识别网络，识别信号辐射源个体。
[0020]在其中一个实施例中，所述使用分段特征提取网络和特征聚合网络，构建两级无线电信号辐射源个体特征提取网络，包括：
[0021]步骤6-1将每个训练样本分成M段，即将数据段时频图分成M段；
[0022]步骤6-2将训练样本的每段时频图，作为分段特征提取网络的输入；
[0023]步骤6-3将M个分段特征提取网络的输出，组合成为特征聚合网络的输入；
[0024]步骤6-4将特征聚合网络的输出，作为训练样本的辐射源个体特征。
[0025]在其中一个实施例中，所述在训练数据集上，分别训练无线电信号辐射源分段和聚合特征个体识别网络，提升网络识别信号辐射源个体的准确率，包括：
[0026]步骤9-1将训练时频图样本进行分段，分段后数据的标签与训练样本的标签相同；
[0027]步骤9-2构成分段特征提取网络训练数据集；
[0028]步骤9-3在分段特征提取网络训练数据集上，训练无线电信号辐射源分段特征个体识别网络，提升该网络识别信号辐射源个体的准确率；
[0029]步骤9-4在原训练数据集上，训练无线电信号辐射源聚合特征个体识别网络，提升该网络识别信号辐射源个体的准确率。
[0030]第二方面，本申请实施例提供一种无线电信号辐射源个体识别装置，所述装置包括：
[0031]获取模块，用于获取带有标签的信号实例和待识别信号，每种标签对应一种特定的物理特征，获取模块将带有标签的信号实例输出到训练模块，将待识别信号输出到分类模块；
[0032]识别模块，用于调用获取模块中带有标签的信号实例，训练智能识别模型，将训练好的智能模型参数存储后，供分类模块调用；
[0033]分类模块，用于调用获取模块中待识别的信号并传递给识别模块，并调取识别模块中的预测结果，分类待识别信号。
[0034]第三方面，本申请实施例提供一种计算机设备，包括存储器、通用计算处理器和智能训练计算处理器，所述存储器存储有计算机程序，所述通用计算处理器和智能训练计算处理器执行所述计算机程序时实现以下步骤：
[0035]步骤1获取无线电信号辐射源的个体设备发出的信号，使用信号检测方法，截取有用信号的数据段；
[0036]步骤2对每个切割后的数据段进行时频分析，获取数据段的时频图；
[0037]步骤3用发射无线电信号辐射源的个体设备的唯一标识码作为标签，标记截取的数据段的时频图；
[0038]步骤4N个发射无线电信号辐射源的个体，共有N种标签；
[0039]步骤5用标记好的时频图作为训练数据集；
[0040]步骤6使用分段特征提取网络和特征聚合网络，构建两级无线电信号辐射源个体特征提取网络；
[0041]步骤7在分段特征提取网络后加分类识别网络，构建无线电信号辐射源分段特征个体识别网络；
[0042]步骤8在两级无线电信号辐射源个体特征提取网络后加分类识别网络，构建无线电信号辐射源聚合特征个体识别网络；
[0043]步骤9在训练数据集上，分别训练无线电信号辐射源分段和聚合特征个体识别网络，提升网络识别信号辐射源个体的准确率；
[0044]步骤10获取待识别信号，使用步骤1信号检测方法，截取有用信号的数据段；
[0045]步骤11采用步骤2时频分析的方法对截取数据进行预处理，得到数据段的时频图；
[0046]步骤12将时频图进行分段，输入给无线电信号辐射源聚合特征个体识别网络，识别信号辐射源个体。
[0047]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0048]步骤1获取无线电信号辐射源的个体设备发出的信号，使用信号检测方法，截取有用信号的数据段；
[0049]步骤2对每个切割后的数据段进行时频分析，获取数据段的时频图；
[0050]步骤3用发射无线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线电信号辐射源个体识别方法，其特征在于，所述方法包括：步骤1获取无线电信号辐射源的个体设备发出的信号，使用信号检测方法，截取有用信号的数据段；步骤2对每个切割后的数据段进行时频分析，获取数据段的时频图；步骤3用发射无线电信号辐射源的个体设备的唯一标识码作为标签，标记截取的数据段的时频图；步骤4N个发射无线电信号辐射源的个体，共有N种标签；步骤5用标记好的时频图作为训练数据集；步骤6使用分段特征提取网络和特征聚合网络，构建两级无线电信号辐射源个体特征提取网络；步骤7在分段特征提取网络后加分类识别网络，构建无线电信号辐射源分段特征个体识别网络；步骤8在两级无线电信号辐射源个体特征提取网络后加分类识别网络，构建无线电信号辐射源聚合特征个体识别网络；步骤9在训练数据集上，分别训练无线电信号辐射源分段和聚合特征个体识别网络，提升网络识别信号辐射源个体的准确率；步骤10获取待识别信号，使用步骤1信号检测方法，截取有用信号的数据段；步骤11采用步骤2时频分析的方法对截取数据进行预处理，得到数据段的时频图；步骤12将时频图进行分段，输入给无线电信号辐射源聚合特征个体识别网络，识别信号辐射源个体。2.根据权利要求1所述的方法，其特征在于，所述使用分段特征提取网络和特征聚合网络，构建两级无线电信号辐射源个体特征提取网络，包括：步骤6-1将每个训练样本分成M段，即将数据段时频图分成M段；步骤6-2将训练样本的每段时频图，作为分段特征提取网络的输入；步骤6-3将M个分段特征提取网络的输出，组合成为特征聚合网络的输入；步骤6-4将特征聚合网络的输出，作...

【专利技术属性】
技术研发人员：朱宇轩，鲍雁飞，马钰，杨健，田震，刘杰，
申请(专利权)人：中国人民解放军三二八零二部队，
类型：发明
国别省市：