基于双通道异构融合网络的雷达信号调制类型识别方法技术

本发明专利技术实施例提供了一种基于双通道异构融合网络的雷达信号调制类型识别方法，该方法包括：预处理各种雷达信号调制类型的脉冲数据，生成所述各种雷达信号调制类型的细微特征频谱图；采用双通道异构融合网络模型训练所述各种雷达信号调制类型的细微特征频谱图，提取并保存所述各种雷达信号调制类型和特征值；提取待识别雷达信号调制类型的特征值，并与保存的所述各种雷达信号调制类型进行特征值匹配，进而，识别出所述待识别雷达信号的调制类型。本发明专利技术实施例提高了识别率，解决了传统识别方法泛化性较差的问题。法泛化性较差的问题。法泛化性较差的问题。

【技术实现步骤摘要】
基于双通道异构融合网络的雷达信号调制类型识别方法


[0001]本专利技术实施例涉及雷达信号侦察
，尤其是涉及一种识别雷达信号调制类型的方法。

技术介绍

[0002]雷达信号的分选识别主要根据未知雷达信号参数间的联系和区别来实现，常规参数模板匹配法一般用来处理简单、类别较少的雷达信号，识别效率较高，但在处理当前日益复杂的雷达辐射源识别问题，就显现出能力不足、泛化性较差等问题；复杂体制雷达信号的分选识别计算量特别大。
[0003]深度学习由于具有对不确定性的自主学习和自适应的能力，以及可拟合任意连续函数、易于构造、算法简单等特性，可以直接对原始数据进行自动学习，从而获得更加抽象的高层表征。学习过程不需要人的意识干预，结合一些先验知识和实验来对模型参数进行合理调整，从而实现信号的自动识别。能有效处理大量规律复杂、难以识别的信号数据，实现多目标分类，并且能适应信号的多样性、模糊性，以及具备一定的抗噪能力。

技术实现思路

[0004]针对常规参数模板匹配法识别雷达信号时能力不足、泛化性较差等问题，本专利技术实施例提供了一种基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双通道异构融合网络的雷达信号调制类型识别方法，其特征在于，该方法包括：S1、预处理各种雷达信号调制类型的脉冲数据，生成所述各种雷达信号调制类型的细微特征频谱图；S2、采用双通道异构融合网络模型训练所述各种雷达信号调制类型的细微特征频谱图，提取并保存所述各种雷达信号调制类型和特征值；S3、提取待识别雷达信号调制类型的特征值，并与保存的所述各种雷达信号调制类型进行特征值匹配，进而，识别出所述待识别雷达信号的调制类型。2.根据权利要求1所述的方法，其特征在于，所述预处理各种雷达信号调制类型的脉冲数据的步骤包括：提取脉冲数据、确定脉冲上下沿位置和分割细微特征。3.根据权利要求2所述的方法，其特征在于，所述提取脉冲数据包括：采用脉冲搜索算法搜索连续上升或下降的20个脉冲数据，分为A组数据、B组数据；其中，A组数据，具体包括：将大于0的分为Ax组，记为Ax(1)、Ax(2)、Ax(3)
……
Ax(i)；对应位置组为Ay组，记为Ay(1)、Ay(2)、 Ay(3)
……ꢀ
Ay(i)；B组数据，具体包括：将小于0的分为Bx组，记为Bx(1)、Bx(2)、Bx(3)
……
Bx(i)；对应位置组为By组，记为By(1)、By(2)、By(3)
……
By(i)。4.根据权利要求3所述的方法，其特征在于，所述确定脉冲上下沿位置的步骤包括：a.根据所述A组数据、B组数据，对所述A组、B组数据分别进行曲线拟合并得到已拟合曲线A、B；根据二次函数p(x)=a0+a1x+a2x2，对所述A组、B组数据分别进行分段曲线拟合，其中，p(x)表示二次函数，x表示Ax组、Bx组的数据，a0、a1和a2分别表示二次函数的常数、一次项系数和二次项系数；将所述Ax组、Bx组数据代入p(x)，求得a0、a1和a2；b.求取所述已拟合曲线A、B的均方误差；根据公式求取所述已拟合曲线A的均方误差，其中，表示第i个数据的均方误差，p(x
i
)表示第i个数据的曲线拟合值，y
i
表示Ay组中第i个数据；照此方法，求取所述已拟合曲线B的均方误差；c.对所述已拟合曲线A进行求导数，并对所述Ax组、Ay组的导数进行判断，当所述Ax组、Ay组的导数同时为正或同时为负时，判断所述已拟合曲线A的均方误差合格，输出A组标记；反之，跳出数据处理，重新提取脉冲数据；对所述已拟合曲线B进行求导数，并对所述B组数据进行与所述A组数据相同的操作；d.判断所述A组、B组所述标记的一致情况，当A、B组标记一致时，认为该标记段是脉冲上升沿位置；当A、B组标记不一致时，认为该标记段是脉冲下降沿位置。5....

【专利技术属性】
技术研发人员：梁红俊，陈加根，周闪闪，李静，
申请(专利权)人：安徽京淮健锐电子科技有限公司，
类型：发明
国别省市：