【技术实现步骤摘要】
一种基于自加权结构化特征选择的雷达辐射源信号精细化特征识别方法
[0001]本专利技术属于电子对抗中雷达辐射源信号处理
,尤其涉及一种基于自加权结构化无监督特征选择的雷达辐射源信号精细化特征识别方法。
技术介绍
[0002]随着信息时代的到来,移动通信技术、无线网络设备和物联网设施都取得了快速的发展和广泛的关注。近些年来,随着4G技术遍布各个角落,5G技术逐步商用,6G 技术开始前沿研究,越来越多的通信设施进入到人们的生活之中,随之而来的是,逐渐复杂和多变的工作机制,这就需要更加可靠而又安全的加密措施。在现代电子信息战中,通过电子侦察搜索来截获对方更多的战场情报,尤其是雷达辐射源信号,并通过分析从中得到对方辐射源信号的精细化特征信息和所属设备型号,进而掌握到对方辐射源搭载平台的信息,从而为前方的电子对抗和电子干扰提供有力的支援。在信号产生或者捕获信号的过程中,由于信号源设备硬件的缺陷,辐射源信号中就会加入一下细微的特征,且这些特征是唯一的。雷达辐射源信号精细化特征识别技术就是一种通过对捕获到的对方的雷达信号进行精细化特 ...
【技术保护点】
【技术特征摘要】
1.一种基于自加权结构化特征选择的雷达辐射源信号精细化特征识别方法,其特征在于步骤如下:步骤1:采集不用型号雷达设备发射的信号数据,同时截取到信号中脉冲数据,生成雷达辐射源信号个体识别样本集,即原始数据;步骤2:对步骤1中得到的原始数据进行信号数据预处理;步骤3:对步骤2经过信号预处理的数据进行归一化处理;步骤4:构建基于自加权结构化特征选择的雷达辐射源信号精细化特征识别模型;所述的雷达辐射源信号精细化特征识别模型:所述的雷达辐射源信号精细化特征识别模型:其中是二维的,其中n为样例个数,d为数据的维度,其中数据的第i个样本用表示;W为学习得到的正交投影矩阵;m为低维空间的维度,k为转换矩阵的行稀疏度,是一个对角元素表示样本数据权重的对角矩阵,s
ij
为解邻接概率,γ和λ是正则化项参数;步骤5:使用辐射源信号数据在步骤4所建模型上进行运行测试,将识别特征输入到分类器中进行分类,从而得到识别的雷达辐射源信号的类型。2.根据权利要求1所述的一种基于自加权结构化特征选择的雷达辐射源信号精细化特征识别方法,其特征在于:步骤2中所述的预处理包括去噪处理、信号增强处理。3.根据权利要求1所述的一种基于自加权结构化特征选择的雷达辐射源信号精细化特征识别方法,其特征在于:步骤4中模型优化过程如下:根据矩阵二范数与迹运算之间的关系模型等价于:可以看出,模型(1)中含有三个变量,分别是权重矩阵Θ,相似矩阵S和投影矩阵W,本发明针对其求解问题,设计了一种迭代优化算法。具体流程为:
①
初始化:初始化权重矩阵其中I
d
是维度为d的单位矩阵;
②
求解Θ:当变量S和W固定时,问题(1)就转化为:根据迹运算的性质,可以改为:
将定理应用于问题(3)中,有:很明显,这是一个二次问题,因此本发明使用增强拉格朗日乘子法来求解此问题;
③
求解S:当变量Θ和W固定时,问题(1)更改为:其拉格朗日函数为:其中Ψ=...
【专利技术属性】
技术研发人员:王政,袁永金,王榕,聂飞平,李学龙,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。