一种基于知识蒸馏的雷达信号调制方式识别方法技术

本发明专利技术属于深度学习与雷达信号调制识别技术领域，具体涉及一种基于知识蒸馏的雷达信号调制方式识别方法。本发明专利技术结合知识蒸馏的思想，利用知识蒸馏的网络压缩方法设计轻量化网络，对设备内存要求低，有利于集成到芯片，部署到终端设备。本发明专利技术提出利用两个教师网络完成知识蒸馏训练，将低信噪比情况下时频结构受损严重的雷达信号单独训练第二教师网络，得到软标签作为监督信息，能够提高轻量化网络在低信噪比情况下的识别正确率。本发明专利技术所提到的网络都采用的是残差网络，能够提取到时频图像更深层的特征，对多种雷达信号具有良好的适应性。本发明专利技术在使识别网络轻量化的同时，能够在较低信噪比下对雷达信号的调制方式有较高的识别正确率。正确率。正确率。

【技术实现步骤摘要】
一种基于知识蒸馏的雷达信号调制方式识别方法


[0001]本专利技术属于深度学习与雷达信号调制识别
，具体涉及一种基于知识蒸馏的雷达信号调制方式识别方法。

技术介绍

[0002]雷达信号识别是雷达侦察系统重要的组成部分，通过雷达信号识别可以提供准确的敌方情报，从而为判断敌方雷达类型、威胁等级提供重要的参考依据。随着现代雷达技术的快速发展，雷达信号的截获概率越来越低，调制类型更加复杂多样。为应对此种变化，现代的雷达调制识别方法需要在低信噪比(SNR)环境下对广泛的信号调制类型实现准确的识别。
[0003]同时，目前基于深度学习的雷达信号识别方法可以利用神经网络的自动特征提取等特点实现较高的识别准确率。学者郭立民在2017年提出了用AlexNet网络模型对7种雷达信号进行识别，在信噪比
‑
6dB时准确率在90％以上。秦鑫在2020年提出了基于扩张残差网络的雷达信号识别方法，在信噪比
‑
6dB时，对16种雷达信号的识别正确率在93％以上。但是随着网络层数不断加深，网络参数量也不断增大，虽然参数量大的网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识蒸馏的雷达信号调制方式识别方法，其特征在于，包括以下步骤：步骤1：对截获的雷达信号进行平滑伪Wigner
‑
Ville变换，得到二维时频图像；雷达信号的数字模型为：x(t)＝s(t)+n(t)其中，x(t)是接收机接收到的信号；s(t)为雷达信号；n(t)为信道噪声；对雷达信号x(t)进行平滑伪Wigner
‑
Ville变换的具体公式为：其中，t与f分别表示时频分析中时域与频域中的变量；h(τ)与g(s
‑
t)分别为频域与时域的窗函数；步骤2：对二维时频图像进行预处理，包括调整尺寸、减图像通道均值进行标准化；将雷达信号的调制类型作为标签，构造第一训练集；将低信噪比情况下时频结构受损的雷达信号构造第二训练集；步骤3：设计三个不同的深度卷积神经网络：两个教师网络，一个学生网络；两个教师网络的参数量较大，学生网络的参数量较小；步骤4：训练两个教师网络和一个学生网络，得到识别未知雷达调制类型的轻量化模型；步骤4.1：在两个教师网络的softmax层中加入温度变量T，使softmax函数定义如下式所示：z
i
为教师网络最后一层的输出，加入温度变量T让各个类别产生较平滑的概率分布，使负标签所携带的信息相对放大，模型训练更加关注负标签；步骤4.2：使用第一训练集训练加入温度变量T的第一教师网络；使用第二训练集训练加入温度变量T的第二教师网络；步骤4.3：使用第一训练集训练学生网络，训练时加入两个教师网络对训练集数据softmax层的输出作为额外的监督信息，定义这两个输出分别为第一软标签和第二软标签，与训练集的真实标签重新构成损失函数，如下式：L
total
＝αL
hard
+βL
s...

【专利技术属性】
技术研发人员：曲志昱，李根，司伟建，许翎靖，邓志安，张春杰，汲清波，侯长波，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：