一种基于去噪深度残差网络的雷达信号智能分选方法技术

本发明专利技术提供一种基于去噪深度残差网络的雷达信号智能分选方法，所述方法包括以下步骤：使用仿真雷达数据集作为训练数据集，并根据训练数据集制作带噪声的雷达信号数据集；以深度自编码器为基础搭建雷达信号去噪网络，并用步骤S1制作的带噪声的雷达信号数据集训练雷达信号去噪网络；以卷积神经网络和残差网络为基础搭建雷达信号分类网络，并用步骤S1中的训练数据集对雷达信号分类网络进行训练；获取待分类的雷达信号，利用训练后的雷达信号去噪网络对待分类的雷达信号进行去噪，然后利用训练后的雷达信号分类网络对去噪后的数据进行分类，得到雷达信号分类结果。本发明专利技术有效地提升了雷达信号识别分选的精度。升了雷达信号识别分选的精度。升了雷达信号识别分选的精度。

【技术实现步骤摘要】
一种基于去噪深度残差网络的雷达信号智能分选方法


[0001]本专利技术属于雷达电子对抗技术和人工智能
，特别是涉及一种基于去噪深度残差网络的雷达信号智能分选方法。

技术介绍

[0002]雷达是一种通过电磁波来探测物体间相对距离等特性的电子仪器。侦察和干扰是雷达的两个重要功能，其中雷达侦察任务根据实际情况又可分为：情报侦察、支援侦察、雷达告警、引导干扰等。雷达信号调制分类和参数的识别是侦察的重要功能，是雷达探测侦查信号分析处理的主要内容之一。建立在分类的基础上，仪器设备才能对不同的雷达调制信号的类型和性质进行解析，因而不同信号的分类识别是雷达军事对抗中的一个关键技术。目前信号分选的能力已成为雷达侦察系统在现代军事领域内的重要标志。在深度学习引入雷达领域之前，雷达信号调制识别技术是根据信号的各种特征参数，如高阶矩等雷达参数，计算分析比较不同的调制类型的特点，然后进行信号的分类。这种方法实现起来较为复杂，雷达专业知识掌握较高才能实施。深度学习在各个领域深入，通过计算机模仿完成人类的学习方式，能够最终取代人类的思维模式。如何有效的结合深度学习，使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于去噪深度残差网络的雷达信号智能分选方法，其特征在于，包括以下步骤：步骤S1：使用仿真雷达数据集作为训练数据集，并根据所述训练数据集制作带噪声的雷达信号数据集；步骤S2：以深度自编码器为基础搭建雷达信号去噪网络，并用步骤S1制作的带噪声的雷达信号数据集训练所述雷达信号去噪网络；步骤S3：以卷积神经网络和残差网络为基础搭建雷达信号分类网络，并用步骤S1中的训练数据集对所述雷达信号分类网络进行训练；步骤S4：获取待分类的雷达信号，利用训练后的雷达信号去噪网络对待分类的雷达信号进行去噪，然后利用训练后的雷达信号分类网络对去噪后的数据进行分类，得到雷达信号分类结果。2.根据权利要求1所述的一种基于去噪深度残差网络的雷达信号智能分选方法，其特征在于，所述仿真雷达数据集包括24种不同调制类型的信号，每种信号类型下共有26种信噪比，每种调制类型的单信噪比样本数为3000个，且数据集内的雷达信号存储形式为IQ两路信号，单样本长度为1024点，样本维数为1024
×
2。3.根据权利要求2所述的一种基于去噪深度残差网络的雷达信号智能分选方法，其特征在于，根据所述训练数据集制作带噪声的雷达信号数据集的过程包括以下步骤：步骤S11：选取所述训练数据集中每种调制类型下最高信噪比的信号作为纯净信号；步骤S12：将每种纯净信号的原始长度为1024的单样本信号分割为8段长度为128的信号；步骤S13：对全部长度为128的信号添加不同程度的高斯白噪声，得到带噪声的雷达信号数据集。4.根据权利要求2所述的一种基于去噪深度残差网络的雷达信号智能分选方法，其特征在于，24种不同调制类型的信号包括OOK信号、4ASK信号、8ASK信号、BPSK信号、QPSK信号、8PSK信号、16PSK信号、32PSK信号、16APSK信号、32APSK信号、64APSK信号、128APSK信号、16QAM信号、32QAM信号、64QAM信号、128QAM信号、256QAM信号、AM
‑
SSB
‑
WC信号、AM
‑
SSB
‑
SC信号、AM
‑
DSB
‑
WC信号、AM
‑
DSB
‑
...

【专利技术属性】
技术研发人员：杨承志，吴宏超，邴雨晨，王美玲，许冰，王龙，周一鹏，易仁杰，王鸿超，吴焕欣，商犇，刘焕鹏，李吉民，石礼盟，曹鹏宇，陈泽盛，苏琮智，
申请(专利权)人：中国人民解放军空军航空大学，
类型：发明
国别省市：