一种基于卷积-循环两通道网络投票的功率变化雷达欺骗信号预测方法技术

雷达是一种有效获取战场信息的传感设备，但敌方可通过发射欺骗信号对我方雷达进行干扰，使其接收信号包含错误信息，致使我方对战场态势做出错误判决

【技术实现步骤摘要】
一种基于卷积
‑
循环两通道网络投票的功率变化雷达欺骗信号预测方法


[0001]本专利技术涉及一种功率变化剧烈情况下的雷达欺骗信号预测方法，属于雷达干扰识别
、
雷达抗干扰领域
。

技术介绍

[0002]与传统压制干扰效果不同，欺骗信号以诱导欺骗为主要方式对雷达进行干扰，使我方武器开火，从而暴露位置
。
欺骗信号功率通常与雷达回波相近，但受到目标雷达截面积等因 素的影响，其功率短时间内可能存在剧烈起伏
。
上述情况使得两种信号特征提取变得极为不 稳定，直接导致特征空间分布范围扩大，传统神经网络难以对其有效拟合，导致识别性能严 重下降
。
选择功率不敏感特征，对网络结构的合理调整，能够使得识别性能所受影响减小，对于实现欺骗信号的有效识别，掌握战场有效信息具有重要意义
。
专利技术目的
[0003]本专利技术的目的是提供一种基于卷积
‑
循环两通道网络投票的功率变化雷达欺骗信号预 测方法以解决信号功率变化剧烈情况下特征提取不稳定
、
识别效果不佳的问题
。
本专利技术可有 效剔除回波中的欺骗信号，准确率可达到
97%
以上，能够提供正确的战场信息，且工程实现容易，具有推广价值，还可应用至通信信号识别领域
。

技术实现思路

[0004]技术方案：本专利技术的目的是这样实现的：提出一种基于卷积
‑
循环两通道网络投票的功率变化雷达欺骗信号预测方法，包括：雷达回波频谱包络特征提取，上
、
下两通道基础分类器设计与训练
、
初步预测输出，基础分类器投票
、
最终预测输出
。
本专利技术所述系统的雷达接收端包含功率剧烈变化的目标回波和欺骗信号
。
首先，对接收信号进行快速傅里叶变换，提取频谱包络特征，并赋予类别标签，用于神经网络训练；对基础分类器进行设计，选择卷积神经网络作为上通道特征提取器，长短时记忆网络作为下通道特征提取器，并用
Concatenate
拼接的方式完成特征融合，使用
ReLU
激活函数进行特征的非线性映射，将具备标签的信号频谱包络特征输入基础分类器进行训练，并用于雷达接收信号的预测，给出初步预测结果；根据所有基础分类器的预测结果进行投票，按照少数服从多数准则，给出最终预测结果；在一个实施例中，目标回波和欺骗信号均为功率动态变化的线性调频信号，二者时延和多普勒频移不同；在一个实施例中，雷达接收信号的信噪比范围为
‑
10dB~10dB
，欺骗信号与目标信号的功率比为
1:1
，干扰机系统函数包络起伏范围为
±
0.8dB
；在一个实施例中，选择快速傅里叶变换和取模对频谱包络特征进行提取，选择峰值搜索和最大值归一化对特征进行预处理；
在一个实施例中，选择一维卷积神经网络作为上通道特征提取器，选择长短时记忆网络作为下通道特征提取器，选择
Flatten
处理对特征进行展平，选择
Concatenate
处理对上
、
下通道特征进行融合，选择
ReLU
作为非线性激活函数，完成基础分类器构建；在一个实施例中，选择
15
个基础分类器进行投票，采用少数服从多数准则进行最终预测结果判决
。
[0005]技术效果：与现有技术相比，本专利技术考虑干扰机系统函数的影响，提取了更具区分性
、
稳定性的频谱包络作为特征；采用上
、
下通道特征融合和多个基础分类器投票的方式对雷达接收信号类别进行预测，提高了预测的准确性和稳定性，相对采用传统特征和单一分类器的预测方法较好的解决了功率变化情况下雷达欺骗信号预测准确率低的问题
。
附图说明
[0006]附图1为本专利技术目标
、
欺骗信号预测流程图
。
[0007]附图2为本专利技术欺骗信号频谱包络特征的
3D
示例图
。
[0008]附图3为本专利技术目标回波频谱包络特征的
3D
示例图
。
[0009]附图4为本专利技术目标
、
欺骗信号预测总体流程示意图
。
具体实施方式
[0010]下面将结合具体实施例和附图来更详细地说明本专利技术
。
本专利技术可以有多种实施方式，在这些实施方式中可以作出适应和变化
。
但是，应当认识到，没有打算将本专利技术的各个实施方式限制到本文所揭示的具体实施方式
。
相反，该专利技术应当被理解为包括所有的修改
、
等价物和
/
或选择，这些都属于该专利技术的各个实施方式的精神和范围
。
[0011]在本专利技术的各个实施方式中所用的词汇仅仅是为了说明具体的实施方式而不是为了对其进行限定
。
正如这里所用，除了文中明确指出的以外，单数词语也包含了复数词语
。
除非有其他限定，否则本文中所用的全部条款，包含
(
技术条款和科技条款
)
，其意义与本专利技术的各个实施方案中的一般技术人员所能理解的内容是一样的
。
这些条款
(
例如在常用字典中定义的条款
)
会被理解成与现有技术中的内容含义一样，不会被理解成有理想的含义或正式的含义，除非在本专利技术的各个实施方式中明确定义
。
[0012]本专利技术整体预测方法主要包括三个部分：一是雷达接收信号（包括目标回波和欺骗信号）特征提取；二是基础分类器设计与训练；三是基础分类器投票
。
整体流程图如图1所示
。
[0013]步骤1：将雷达接收信号依次进行模拟信号到数字信号的转换，假设基本参考信号为线性调频信号，表达式如下：；其中，为信号脉冲持续时间，为信号带宽，为信号的调频斜率
。
目标回波和欺骗信号均在该式基础上叠加相应时延和多普勒频移得到，假设前者为，后者
为
。
[0014]步骤2：采用快速傅里叶运算对数字信号进行变换，得到接收信号频谱，通过取模运算，得到接收信号频谱包络特征；（1）以欺骗信号特征提取为例，假设干扰机的系统函数为，其表达式如下：；其中，为系统函数的包络起伏函数，为系统函数的相位起伏函数，为增益中心，
、、、
均为非线性起伏系数，一般为常数，用于表示干扰机的幅频特性；（2）假设参考信号的频谱为，欺骗信号的频谱包络特征可被表示为如下：；其中，为欺骗信号的快速傅里叶变换结果
。
[0015]步骤3：与步骤2类似，得到目标回波的频谱包络特征
。
[0016]步骤4：特征预处理
。
以欺骗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于卷积
‑
循环两通道网络投票的功率变化雷达欺骗信号预测方法，其特征包括：步骤1：将雷达接收信号依次进行模拟信号到数字信号的转换，假设基本参考信号为线性调频信号，表达式如下；；其中，为信号脉冲持续时间，为信号带宽，为信号的调频斜率
。
目标回波和欺骗信号均在该式基础上叠加相应时延和多普勒频移得到，假设前者为，后者为；步骤2：采用快速傅里叶运算对数字信号进行变换，得到接收信号频谱，通过取模运算，得到接收信号频谱包络特征；（1）以欺骗信号特征提取为例，假设干扰机的系统函数为，其表达式如下；其中，为系统函数的包络起伏函数，为系统函数的相位起伏函数，为增益中心，
、、、
均为非线性起伏系数，一般为常数，用于表示干扰机的幅频特性；（2）假设参考信号的频谱为，欺骗信号的频谱包络特征可被表示为如下；其中，为欺骗信号的快速傅里叶变换结果；步骤3：与步骤2类似，得到目标回波的频谱包络特征；步骤4：特征预处理
。
以欺骗信号为例，利用峰值搜索方法，搜索到欺骗信号频谱包络中的最大值为，对提取频谱包络特征进行归一化预处理，得到处理结果；步骤5：利用人工先验信息对两种信号的特征赋予标签，并将数据集划分为训练集和交叉验证集，训练集用于网络训练，交叉验证集用于对训练结果的验证，防止过拟合；步骤6：基础分类器设计与训练；（1）选择层数为3的一维卷积神经网络作为上通道特征提取器，卷积运算可以表示为；其中是层的第个元素，和分别是第层中卷积核的权重和偏执向量， 而
和分别是和中的第个元素，是...

【专利技术属性】
技术研发人员：彭锐晖，韦文斌，孙殿星，郭玮，窦玥聪，
申请(专利权)人：青岛九维华盾科技研究院有限公司，
类型：发明
国别省市：