一种复杂电磁环境下未知雷达信号智能分选系统及方法技术方案

本发明专利技术涉及一种复杂电磁环境下未知雷达信号智能分选系统及方法，通过设计雷达信号脉内信息分选模块、雷达信号时频混叠分离模块、雷达信号脉间信息分选模块和雷达行为认知模块，形成雷达信号分选的流程闭环。本发明专利技术可应用在无人机、无人艇等的雷达系统进行信号识别分类和行为认知，解决了在复杂电磁环境下雷达信号分选系统分选效率低、分选时间长，环境适应性差，手段单一等问题，为基于机器学习的复杂电磁环境下未知雷达信号的认知奠定基础。

【技术实现步骤摘要】
一种复杂电磁环境下未知雷达信号智能分选系统及方法
本专利技术属于雷达信号处理领域，涉及一种复杂电磁环境下未知雷达信号智能分选方法。
技术介绍
雷达信号分选技术是雷达系统运用的关键技术之一，主要目的是在复杂电磁环境下快速准确的对未知雷达信号进行获取、识别、分选并对其行为进行认知。随着现代雷达体制和调制方式的不断发展，各种未知雷达信号不断产生，仅靠传统雷达信号分选方法难以满足高效快速分选的要求。同时，现在复杂的电磁环境对未知雷达信号的分选方法提出了严峻的挑战，如何提高雷达信号分选的效能，解决突发目标的快速准确识别问题将是未来雷达系统对抗与运用中重要的环节。
技术实现思路
本专利技术解决的技术问题是：为提升雷达信号分选系统的能力，针对雷达信号形式日益复杂、雷达信号脉冲数量繁多的问题，提出一种复杂电磁环境下未知雷达信号智能分选方法。本专利技术解决技术的方案是：一种复杂电磁环境下未知雷达信号智能分选系统，包括：雷达信号脉内信息分选模块、雷达信号时频混叠分离模块、雷达信号脉间信息分选模块和雷达信号行为认知模块；雷达信号脉内信息分选模块，利用雷达仿真信号样本搭建深度学习网络，利用雷达实测信号样本对搭建的深度学习网络进行优化，对雷达仿真信号样本以及待处理的未知雷达信号分别进行脉内信息特征聚类分析；雷达信号时频混叠分离模块针对每类雷达信号的脉内信息聚类结果雷达信号奇异点分选，将存在时频混叠的雷达信号进行分离；雷达信号脉间信息分选模块针对雷达信号时频混叠分离模块的结果，对具有相同脉内信息的雷达信号进行脉间信息分选，将雷达仿真信号样本、未知雷达信号分选后的特征发送至雷达信号行为认知模块；雷达信号行为认知模块将雷达仿真信号样本分选特征存储至雷达信号动态特征库，并将未知雷达信号分选特征与雷达信号动态特征库中特征进行比对，完成对未知雷达信号的行为认知。优选的，所述的雷达信号脉内信息分选模块通过下述方式实现：确定雷达信号，所述的雷达信号包括用于神经网络训练的雷达仿真信号样本，用于神经网络优化的雷达实测信号样本以及未知雷达信号；对所述的雷达信号进行预处理，即对雷达信号特征提取和识别前的规范化处理；通过预处理后的雷达仿真信号样本和雷达实测信号样本通过全卷积神经网络搭建深度特征空间；根据搭建的深度特征空间对雷达仿真信号、未知雷达信号特征进行提取，得到雷达仿真信号脉内信息特征、未知雷达信号脉内信息特征；对雷达仿真信号脉内信息特征、未知雷达信号脉内信息特征进行聚类分析，聚类结果发送至雷达信号时频混叠分离模块。优选的，所述的聚类分析采用DBSCAN聚类方法。优选的，所述雷达信号时频混叠分离模块通过搭建胶囊神经网络实现雷达信号奇异点分选。优选的，所述的雷达信号脉间信息分选模块利用累积差值直方图方法对具有相同脉内信息的信号进行雷达脉间信息分选。优选的，所述的动态特征库中存储雷达仿真信号分选特征，未知雷达信号分选特征经辨识后同样存储在动态特征库中用于后续认知。一种复杂电磁环境下未知雷达信号智能分选方法，包括以下步骤：(1)对雷达仿真信号进行特征提取，在神经网络中构建映射域对雷达仿真信号脉内信息进行特征提取，完成深度特征空间搭建；(2)对雷达实测信号在搭建的深度特征空间中进行特征提取，对所述深度特征空间进行优化；针对每个雷达仿真信号作为待处理雷达信号分别执行如下处理：(3)对待处理雷达信号使用优化后的深度特征空间进行特征提取及聚类分析，并对游离于聚类外的脉冲信号进行标记；(4)对游离于雷达信号聚类结果外的奇异点进行基于胶囊神经网络的特征分选，将存在时频混叠的雷达信号进行分离；(5)对具有相同脉内信息的雷达信号，利用脉间信息对每一簇特征进行累积差值直方图算法得到纯净的雷达信号脉冲特征，将脉内信息相同脉间信息不同的脉冲进一步区分，形成未知雷达信号分选结果；(6)将所有雷达仿真信号处理后得到的分选结果存入动态特征库；(7)对未知雷达信号按时间进行分段，将每一段雷达信号作为待处理信号重复(3)-(5)步骤，每段雷达信号处理后的分选结果与雷达动态特征库中的结果进行比对，根据比对结果完成雷达信号行为认知。优选的，步骤(3)中的聚类分析采用DBSCAN聚类方法。优选的，步骤(7)中未知雷达信号分选结果经辨识后同样存储在雷达动态特征库中用于后续未知雷达信号行为认知。本专利技术与现有技术相比的有益效果是：本专利技术可应用在无人机、无人艇等的雷达系统进行信号分选和行为认知，解决了在复杂电磁环境下雷达信号分选系统分选效率低、分选时间长，环境适应性差，手段单一等问题，为机器学习在复杂电磁环境下未知电磁信号的认知奠定基础。(1)本专利技术实现了一种基于机器学习的复杂电磁环境下未知雷达信号分选方法，雷达信号脉内信息分选采用全卷积神经网络和DBSCAN聚类，雷达信号时频混叠分离采用胶囊神经网络，雷达信号行为认知采用强化学习的方法，所有雷达信号分选过程都是客观自动执行的，全面提高了雷达信号分选的质量和效率。(2)本专利技术将使用雷达仿真信号进行深度神经网络构建，使用雷达实测信号进行深度神经网络更新。相比于现有方法直接训练神经网络相比，极大节约网络训练的时间和增加了网络的准确性。(3)本专利技术在完成基于机器学习的雷达信号分选的同时，对雷达信号特征建立雷达信号动态特征库，不仅节约了雷达信号分选的时间，还具备雷达信号行为认知的能力。附图说明图1为本专利技术的系统结构图；图2为本专利技术的雷达信号脉内信息分选模块结构图；图3为本专利技术的雷达信号时频混叠分离模块的工作流程图；图4为本专利技术的雷达信号脉间信息分选模块的工作流程图；图5为本专利技术的雷达信号行为认知模块结构图；图6为本专利技术的工作流程图。具体实施方式下面结合实施例对本专利技术作进一步阐述。如图6所示，一种复杂电磁环境下未知雷达信号智能分选方法包括以下步骤：(1)从雷达信号样本库中读取雷达仿真信号，雷达实测信号，未知雷达信号，分别对雷达信号进行预处理，即对雷达信号进行特征提取和识别前的规范化处理；(2)利用预处理后的雷达仿真信号，在神经网络中构建映射域，搭建深度特征空间；(3)利用预处理后的雷达实测信号对构建的深度特征空间进行更新及优化；(4)将经过预处理的雷达仿真信号和未知雷达信号分别送入优化后的深度特征空间，对雷达信号进行特征提取，分别对其雷达信号提取的特征进行聚类分析；(5)雷达聚类分析结果中如果存在奇异点，说明雷达信号脉冲存在时频混叠，需要使用胶囊神经网络对其进行时频混叠信号的分离；如果不存在奇异点，则跳到下一步；(6)判断雷达脉内信息是否相同，如果雷达信号脉内信息相同，则需要对雷达信号脉间信息进行分选，如果雷达信号脉内信息不同，则跳到下一步；(7)对雷达信号行为进行认知，首先使用雷达仿真信号构建雷达动态特征库，然后本文档来自技高网...

【技术保护点】
1.一种复杂电磁环境下未知雷达信号智能分选系统，其特征在于包括：雷达信号脉内信息分选模块、雷达信号时频混叠分离模块、雷达信号脉间信息分选模块和雷达信号行为认知模块；/n雷达信号脉内信息分选模块，利用雷达仿真信号样本搭建深度学习网络，利用雷达实测信号样本对搭建的深度学习网络进行优化，对雷达仿真信号样本以及待处理的未知雷达信号分别进行脉内信息特征聚类分析；/n雷达信号时频混叠分离模块针对每类雷达信号的脉内信息聚类结果雷达信号奇异点分选，将存在时频混叠的雷达信号进行分离；/n雷达信号脉间信息分选模块针对雷达信号时频混叠分离模块的结果，对具有相同脉内信息的雷达信号进行脉间信息分选，将雷达仿真信号样本、未知雷达信号分选后的特征发送至雷达信号行为认知模块；/n雷达信号行为认知模块将雷达仿真信号样本分选特征存储至雷达信号动态特征库，并将未知雷达信号分选特征与雷达信号动态特征库中特征进行比对，完成对未知雷达信号的行为认知。/n

【技术特征摘要】
1.一种复杂电磁环境下未知雷达信号智能分选系统，其特征在于包括：雷达信号脉内信息分选模块、雷达信号时频混叠分离模块、雷达信号脉间信息分选模块和雷达信号行为认知模块；
雷达信号脉内信息分选模块，利用雷达仿真信号样本搭建深度学习网络，利用雷达实测信号样本对搭建的深度学习网络进行优化，对雷达仿真信号样本以及待处理的未知雷达信号分别进行脉内信息特征聚类分析；
雷达信号时频混叠分离模块针对每类雷达信号的脉内信息聚类结果雷达信号奇异点分选，将存在时频混叠的雷达信号进行分离；
雷达信号脉间信息分选模块针对雷达信号时频混叠分离模块的结果，对具有相同脉内信息的雷达信号进行脉间信息分选，将雷达仿真信号样本、未知雷达信号分选后的特征发送至雷达信号行为认知模块；
雷达信号行为认知模块将雷达仿真信号样本分选特征存储至雷达信号动态特征库，并将未知雷达信号分选特征与雷达信号动态特征库中特征进行比对，完成对未知雷达信号的行为认知。


2.根据权利要求1所述的系统，其特征在于：所述的雷达信号脉内信息分选模块通过下述方式实现：
确定雷达信号，所述的雷达信号包括用于神经网络训练的雷达仿真信号样本，用于神经网络优化的雷达实测信号样本以及未知雷达信号；
对所述的雷达信号进行预处理，即对雷达信号特征提取和识别前的规范化处理；
通过预处理后的雷达仿真信号样本和雷达实测信号样本通过全卷积神经网络搭建深度特征空间；
根据搭建的深度特征空间对雷达仿真信号、未知雷达信号特征进行提取，得到雷达仿真信号脉内信息特征、未知雷达信号脉内信息特征；
对雷达仿真信号脉内信息特征、未知雷达信号脉内信息特征进行聚类分析，聚类结果发送至雷达信号时频混叠分离模块。


3.根据权利要求2所述的系统，其特征在于：所述的聚类分析采用DBSCAN聚类方法。


4.根据权利要求1所述的系统，其特征在于：所述雷达信号时频混叠分离模块通过搭...

【专利技术属性】
技术研发人员：祝兴晟，常诚，杨利民，李喆，夏耘，王倩，张凤，邓志均，岑小锋，杨玉生，刘洋，吴海华，
申请(专利权)人：中国运载火箭技术研究院，
类型：发明
国别省市：北京;11