一种基于级联卷积神经网络的雷达欺骗干扰识别方法技术

本发明专利技术提供一种基于级联卷积神经网络的雷达欺骗干扰识别方法，直接采用信号的伪Wigner‑Ville分布得到高分辨率的时频图像，利用卷积神经网络训练识别，不仅不需要繁琐的人工特征提取过程，而且卷积神经网络强大的分类能力有利于提高识别正确率；同时，本发明专利技术采用两个卷积神经网络级联的方式，能够分别利用单帧时频图像和多帧时频图像完成不同欺骗干扰的识别，有效利用了干扰之间的时序关系，克服现有欺骗干扰识别方法中参数特征提取困难的缺陷。

【技术实现步骤摘要】
一种基于级联卷积神经网络的雷达欺骗干扰识别方法
本专利技术属于雷达干扰识别
，尤其涉及一种基于级联卷积神经网络的雷达欺骗干扰识别方法。
技术介绍
在雷达对抗中，欺骗干扰以其干扰方式灵活、干扰效率高等特点，对雷达的正常工作造成了极大危害，相应的抗干扰技术也受到更加广泛的关注，而干扰类型的正确识别是有效抗干扰的关键。目前的主流干扰识别方法常基于信号的特征参数提取，然后设计决策树、支持向量机及神经网络等不同的分类器进行识别。但是参数特征的提取只能发生在信号的某一时刻，对于一些具有时序关系干扰信号，则需要分析信号长时间的变化情况，尤其是拖引干扰，如果不在多个时刻观察，则与单个的假目标干扰无异，所以这类干扰应从多个时刻分析识别，仅依靠某一时刻的参数很难获得正确的判断结果。
技术实现思路
为解决上述问题，本专利技术提供一种基于级联卷积神经网络的雷达欺骗干扰识别方法，能够识别具有时序关系的不同的欺骗干扰信号，克服现有欺骗干扰识别方法中参数特征提取困难的缺陷。一种基于级联卷积神经网络的雷达欺骗干扰识别方法，包括以下步骤：...

【技术保护点】
1.一种基于级联卷积神经网络的雷达欺骗干扰识别方法，其特征在于，包括以下步骤：/nS1：在单个脉冲重复间隔内，获取雷达回波的伪Wigner-Ville分布时频图以及雷达回波在不同干扰信号下的伪Wigner-Ville分布时频图，其中，所述干扰信号包括距离拖引干扰信号、速度拖引干扰信号、距离速度联合拖引干扰信号、间歇采样转发干扰信号、单假目标干扰信号以及多假目标干扰信号；同时，在间隔设定时间的两个脉冲重复间隔内，获取雷达回波的合成时频图以及雷达回波在距离拖引干扰信号、速度拖引干扰信号、距离速度联合拖引干扰信号以及单假目标干扰信号下的合成时频图；/nS2：分别对无干扰信号下以及不同干扰信号下的伪W...

【技术特征摘要】
1.一种基于级联卷积神经网络的雷达欺骗干扰识别方法，其特征在于，包括以下步骤：
S1：在单个脉冲重复间隔内，获取雷达回波的伪Wigner-Ville分布时频图以及雷达回波在不同干扰信号下的伪Wigner-Ville分布时频图，其中，所述干扰信号包括距离拖引干扰信号、速度拖引干扰信号、距离速度联合拖引干扰信号、间歇采样转发干扰信号、单假目标干扰信号以及多假目标干扰信号；同时，在间隔设定时间的两个脉冲重复间隔内，获取雷达回波的合成时频图以及雷达回波在距离拖引干扰信号、速度拖引干扰信号、距离速度联合拖引干扰信号以及单假目标干扰信号下的合成时频图；
S2：分别对无干扰信号下以及不同干扰信号下的伪Wigner-Ville分布时频图进行预处理，得到各干扰情况下的第一类灰度时频图；同时，分别对无干扰信号下以及不同干扰信号下的合成时频图进行预处理，得到各干扰情况下的第二类灰度时频图；
S3：将各干扰情况下的第一类灰度时频图作为输入，各第一类灰度时频图对应的干扰情况作为输出，对第一级卷积神经网络进行训练，得到第一级干扰信号识别模型；
S4：将各干扰情况下的第二类灰度时频图作为输入，各第二类灰度时频图对应的干扰情况作为输出，对第二级卷积神经网络进行训练，得到第二级干扰信号识别模型；
S5：采集混合回波信号，并按照步骤S1～S2获取混合回波信号的第一类灰度时频图，再将混合回波信号的第一类灰度时频图输入所述第一级干扰信号识别模型，其中，若第一级干扰信号识别模型的识别结果不为间歇采样转发干扰信号或多假目标干扰信号，则按照步骤S1～S2再获取混合回波信号的第二类灰度时频图，将混合回波信号的第二类灰度时频图输入所述第二级干扰信号识别模型，实现混合回波信号中存在的干扰信号的识别。


2.如权利要求1所述的一种基于级联卷积神经网络的雷达欺骗干扰识别方法，其特征在于，所述伪Wigner-Ville分布时频图的获取方法为：



其中，PWVDs(t,ω)为混合回波信号的伪Wigner-Ville分布时频图，...

【专利技术属性】
技术研发人员：刘国满，聂旭娜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11