一种基于多源融合网络的雷达辐射源个体识别方法技术

本发明专利技术公开了一种基于多源融合网络的雷达辐射源个体识别方法，包括：采集来自不同雷达辐射源设备的信号，并对采集到的数据进行预处理；对数据进行多域特征的提取；对提取出的多域特征进行降维处理，构成雷达特征数据集，设计多源融合的神经网络模型并进行训练，利用交叉熵损失进行反向传播对多源融合的神经网络模型进行参数的调优，得到雷达辐射源个体识别的分类器；通过分类器对待测雷达特征数据集进行识别。本发明专利技术能够有效提高雷达辐射源特征的全面性，增强了模型的泛化性，从而提高识别的准确率；通过引入神经网络作为分类器避免了专家经验判断过于主观的问题，从而提高了识别系统的稳定性与泛化性，有效的提高了识别准确率。率。率。

【技术实现步骤摘要】
一种基于多源融合网络的雷达辐射源个体识别方法


[0001]本专利技术属于辐射源识别、信号处理领域，尤其涉及一种基于多源融合网络的雷达辐射源个体识别方法。

技术介绍

[0002]随着电子战在正规战场的比重增加，战争已经由原来的实战转变为信息战，雷达辐射源识别作为雷达侦查中对雷达信号的截获与检测的主要手段，逐渐成为雷达侦查领域中的研究重点。雷达辐射源识别是以已有的数据库为基础，对所截获得到的信号特征与数据库中的信号特征匹配，从而确定出信号类型并以此判断发射该信号的辐射源类型。这也是作战过程中截获敌人情报，获取敌人雷达信息并加以干扰的重要过程，因此如何对所截获的雷达信号进行特征提取成为了所要研究的关键。
[0003]为防止雷达辐射源被识别，经常会构造一些反侦察手段，对信号附加一些调制信息去干扰和隐藏原本有用的信息，因此这也会恶化电磁环境，使识别变得复杂，对于一些雷达识别装置，在单一域的特征提取与识别会出现识别效果不明显等情况，无法获取其正确的信息。
[0004]现有技术中辐射源识别存在特征参数提取方面:信号特征参数只针对信号的某一方面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源融合网络的雷达辐射源个体识别方法，其特征在于：具体包括以下步骤：步骤S1：采集来自不同雷达辐射源设备的信号，并对采集到的数据进行预处理，将处理结果以I/Q数据的形式存储在存储终端中；步骤S2：对存储终端中的I/Q数据进行多域特征的提取；步骤S3：对提取出的多域特征进行降维处理，构成雷达特征数据集；步骤S4：对雷达特征数据集进行切割，分为训练雷达特征数据集和测试雷达特征数据集；步骤S5：设计多源融合的神经网络模型；步骤S6：利用步骤S4中的训练雷达特征数据集和测试雷达特征数据集对步骤S5中的多源融合的神经网络模型进行训练，并利用交叉熵损失进行反向传播对多源融合的神经网络模型进行参数的调优，得到雷达辐射源个体识别的分类器；步骤S7：通过步骤S6中的分类器对待测雷达特征数据集进行识别，得到分类结果。2.根据权利要求1所述的一种基于多源融合网络的雷达辐射源个体识别方法，其特征在于，步骤S1中所述预处理过程分为信号时延估计、稳态部分信号提取和功率归一化。3.根据权利要求1所述的一种基于多源融合网络的雷达辐射源个体识别方法，其特征在于，步骤S2具体为：首先对信号进行三阶累积量的计算，并对其进行二维傅里叶变换得到信号的双谱特征，同时对信号进行HHT变换得到信号的时频域特征。4.根据权利要求1所述的一种基于多源融合网络的雷达辐射源个体识别方法，其特征在于，步骤S3具体为：首先对步骤S2中的双谱特征通过照积分路径积分，得到一维双谱特征，再分析一维双谱特征中时频谱中的差异，提取出边际谱作为信号指纹特征，利用降维后的时频特征与双谱特征，构成雷达多域特征数据集。5.根据权利要求1所述的一种基于多源融合网络的雷达辐射源个体识别方法，其特征在于，步骤S5中模型设计具体如下：步骤S51：利用两个卷积块对输入的降维后的雷达多域特征，分别提取出...

【专利技术属性】
技术研发人员：陆智怡，林云，陈雪梅，徐从安，吴泽锋，张逸彬，闫文君，刘凯，葛亮，桂冠，
申请(专利权)人：南京桂瑞得信息科技有限公司，
类型：发明
国别省市：