一种辐射源个体识别方法技术

本发明专利技术公开了一种辐射源个体识别方法，涉及目标识别领域，包括：首先侦收空中电磁信号；然后通过分数阶傅里叶变换提取电磁信号中的时频特征向量；最后将时频率特征向量送入训练好的具有复数轻量化卷积神经网络和自适应降噪模块复数残差辐射源复数个体识别网络中进行识别；本发明专利技术，能够通过分数阶傅里叶变换提取复数信号更多的细微特征，通过轻量化复数残差网络能够降低算法计算量和存储空间，且个体识别率几乎不降低，然后加入自适应降噪模块，有效消除信号噪声，提升辐射源个体识别率，同时消除手工设置复数去噪算法的繁琐。时消除手工设置复数去噪算法的繁琐。时消除手工设置复数去噪算法的繁琐。

【技术实现步骤摘要】
一种辐射源个体识别方法


[0001]本专利技术涉及目标识别领域，具体涉及一种基于自适应降噪和轻量化复数残差网络的辐射源个体识别方法。

技术介绍

[0002]本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
[0003]在复杂电磁环境的射频信号识别任务中，大多数深度神经网络是基于实数数据进行运算和描述，其仅利用实部或者虚部信息，忽略了实部与虚部间的相位信息，同时复数数据具有更容易优化、更好地泛华特征和更好地表征能力等优点；而现有辐射源个体识别算法研究大都是在实数数据上进行的，不仅舍弃了虚部数据的信息量，还舍弃了复数信号的相位信息，使数据特征的完整性和有效性遭到损坏，导致分类性能并不理想。
[0004]针对复数神经网络辐射源个体识别技术，目前主要采用基于残差的复数网络和基于复数残差网络和注意力机制等辐射源个体识别技术；其中，基于残差的复数网络个体识别技术优点是可以对复数信号进行直接处理，但是没有对网络进行轻量化，整个网络参数和计算量较大；而基于复数残差网络和注意力机制个体识别技术可以使残差网络关注更加有用的细微特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种辐射源个体识别方法，其特征在于，包括：步骤S1：侦收空中电磁信号；步骤S2：通过分数阶傅里叶变换提取电磁信号中的时频特征向量；步骤S3：将时频率特征向量送入训练好的具有复数轻量化卷积神经网络和自适应降噪模块复数残差辐射源复数个体识别网络中进行识别。2.根据权利要求1所述的一种辐射源个体识别方法，其特征在于，所述分数阶傅里叶变换的阶数p取值范围为
‑
2～2，对应的旋转角度α取值范围为
‑
π～π，通过多个不同的阶数p，可产生多路时频特征向量。3.根据权利要求1所述的一种辐射源个体识别方法，其特征在于，所述具有复数轻量化卷积神经网络和自适应降噪模块复数残差辐射源复数个体识别网络，包括：六个自适应降噪和轻量化复数残差模块以及拼接，全局平均池化，多维转一维，全连接层。4.根据权利要求3所述的一种辐射源个体识别方法，其特征在于，所述自适应降噪和轻量化复数残差模块由两个复数轻量化卷积模块和一个复数自适应降噪模块构成，所述复数自适应降噪模块对复数轻量化卷积模块的输出进行降噪处理。5.根...

【专利技术属性】
技术研发人员：赵火军，包庆红，唐培人，李捷，高晓利，杨晓丽，王维，宋程程，
申请(专利权)人：四川九洲电器集团有限责任公司，
类型：发明
国别省市：