一种雷达行为识别方法技术

本发明专利技术公开了一种雷达行为识别方法

【技术实现步骤摘要】
一种雷达行为识别方法、装置及存储介质


[0001]本专利技术涉及通信
，尤其是一种雷达行为识别方法
、
装置及存储介质
。

技术介绍

[0002]雷达是利用电磁波探测目标的电子设备，雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离
、
径向速度
、
方位
、
高度等信息
。
雷达的工作模式的识别和分析是雷达实现信息探测任务的关键点之一，通过截获波形来识别雷达的工作模式，为后续探测任务提供决策辅助
。
雷达具有复杂的时间表安排，可以同时执行多种工作模式以用于不同的系统任务，例如监视
、
跟踪
、
信息探测和目标识别等
。
为了识别和分析雷达的工作模式，对雷达进行行为建模是必要的
。
目前，最为合理和常用的方案为将雷达的行为描述为一种层次化的模型，模型包括依次的任务层
、
探测意图层
、
波形设计层等层次，其中，层与层之间存在有复杂的事件调度逻辑
。
相关技术主要包括三种用于识别雷达工作模式的方法：
[0003]第一种方法为基于行为句法分析的雷达工作模式识别方法，主要集中在从截获的脉冲描述词
(Pulse Description Word
，
PDW)
序列中重构分层行为模型和提取雷达行为的上下文语法，进而实现雷达的工作模式的识别
>。
这种方法仍然需要大量关于雷达的基本行为元素及其转换规则的先验信息，而先验信息在非合作场景下难以获取，有限的观测限制了该方法的实际应用
。
[0004]第二种方法为基于波形去交错的雷达工作模式识别方法，主要集中在基于脉冲重复周期
(Pulse Repetition Interval
，
PRI)
调制特征从脉冲流中分离脉冲组，以此实现雷达的工作模式的识别
。
尽管波形去交错相关研究对雷达的基本动作进行了分离与识别，这有助于雷达的行为分析，但是这种方法却无法直接识别雷达的工作模式，且其没有充分利用波形的完整多维参数，不利于雷达的波形工作能力的解释
。
[0005]第三种方法为基于参数与特征的雷达工作模式识别方法，主要集中在基于观测数据或人工特征的雷达的工作模式识别
。
然而，特征识别技术面临着小样本观测造成的挑战，此外，小样本识别方案也存在着迁移性不足的问题，无法适应雷达波形参数不断捷变的现实场景
。
[0006]以上问题亟待解决
。

技术实现思路

[0007]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一
。
[0008]为此，本专利技术的目的在于提供一种雷达行为识别方法
、
装置及存储介质
。
[0009]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0010]一方面，本专利技术实施例提供了一种雷达行为识别方法，包括以下步骤：
[0011]获取待识别雷达的脉冲信号并对其进行处理，生成多个雷达字，通过多个雷达字构建雷达字序列和雷达字时间序列；
[0012]对所述雷达字序列进行编码，生成多个雷达词，通过多个所述雷达词构建雷达词序列和雷达词时间序列；
[0013]确定所述雷达词序列的特性系数，根据所述特性系数对所述雷达词序列以及所述雷达词时间序列进行语义定义，构建雷达语义序列；
[0014]根据所述雷达语义序列采用深度学习的方法对待识别雷达进行行为识别
。
[0015]另外，根据本专利技术上述实施例的一种雷达行为识别方法，还可以具有以下附加的技术特征：
[0016]进一步地，在本专利技术的一个实施例中，处理待识别雷达的脉冲信号，生成多个雷达字，通过多个雷达字构建雷达字序列和雷达字时间序列的步骤包括：
[0017]归一化处理多个所述脉冲信号，通过多个归一化后的所述脉冲信号构建初始字时间序列；
[0018]通过
DBSCAN
算法从多个归一化后的所述脉冲信号中聚类出若干个聚簇，构建多个脉冲信号与若干个聚簇的映射关系，利用所述映射关系生成雷达字序列；
[0019]根据所述雷达字序列，将所述初始字时间序列转换为雷达字时间序列
。
[0020]进一步地，在本专利技术的一个实施例中，所述对所述雷达字序列进行编码，生成多个雷达词，通过多个所述雷达词构建雷达词序列和雷达词时间序列的步骤包括：
[0021]定义编码算法的编码复杂度为字典复杂度与序列编码复杂度之和；
[0022]根据所述编码复杂度，通过编码算法对所述雷达字序列进行编码，生成雷达词词典，并利用所述雷达词词典，构建雷达词序列；
[0023]根据所述雷达词序列，将所述雷达字时间序列转换为雷达词时间序列
。
[0024]进一步地，在本专利技术的一个实施例中，所述特性系数包括距离探测系数
、
速度探测系数
、
回波增强系数和解模糊系数，其中：
[0025]所述距离探测系数定义为雷达的脉冲信号的波形的最大无模糊距离，所述最大无模糊距离通过脉冲信号的脉冲重复周期和光速来得到；
[0026]所述速度探测系数定义为雷达的脉冲信号的波形的最大无模糊速度，所述最大无模糊速度通过脉冲信号的载波频率和脉冲重复周期以及光速来得到；
[0027]所述回波增强系数定义为雷达的脉冲信号的波形的时宽带宽积，所述时宽带宽积通过脉冲信号的脉冲带宽和脉冲宽度来得到；
[0028]所述解模糊系数定义为求解雷达的脉冲信号的波形的最大无模糊距离和最大无模糊速度的系数，所述解模糊系数通过单个雷达词中包含的雷达字的数量来得到
。
[0029]进一步地，在本专利技术的一个实施例中，所述确定所述雷达词序列的特性系数，根据所述特性系数对所述雷达词序列以及所述雷达词时间序列进行语义定义，构建雷达语义序列的步骤包括：
[0030]对于所述雷达词序列的每个雷达词，依次计算出当前雷达词所包含的每个雷达字的距离探测系数
、
速度探测系数和回波能力系数，并计算出当前雷达词的解模糊系数，进而得到多个雷达词的特性系数；
[0031]利用所述雷达词序列的多个雷达词的特性系数，对所述雷达词序列和所述雷达词时间序列进行语义定义，构建雷达语义序列
。
[0032]进一步地，在本专利技术的一个实施例中，所述根据所述雷达语义序列采用深度学习
的方法对待识别雷达进行行为识别的步骤包括：
[0033]将所述雷达语义序列转换为采样序列，根据所述采样序列，利用神经网络模型对所述待识别雷达进行行为识别，得到待识别雷达的行为识别结果
。
[0034]进一步地，在本专利技术的一个实施例中，所述神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种雷达行为识别方法，其特征在于，包括以下步骤：获取待识别雷达的脉冲信号并对其进行处理，生成多个雷达字，通过多个雷达字构建雷达字序列和雷达字时间序列；对所述雷达字序列进行编码，生成多个雷达词，通过多个所述雷达词构建雷达词序列和雷达词时间序列；确定所述雷达词序列的特性系数，根据所述特性系数对所述雷达词序列以及所述雷达词时间序列进行语义定义，构建雷达语义序列；根据所述雷达语义序列采用深度学习的方法对待识别雷达进行行为识别
。2.
根据权利要求1所述的一种雷达行为识别方法，其特征在于，处理待识别雷达的脉冲信号，生成多个雷达字，通过多个雷达字构建雷达字序列和雷达字时间序列的步骤包括：归一化处理多个所述脉冲信号，通过多个归一化后的所述脉冲信号构建初始字时间序列；通过
DBSCAN
算法从多个归一化后的所述脉冲信号中聚类出若干个聚簇，构建多个脉冲信号与若干个聚簇的映射关系，利用所述映射关系生成雷达字序列；根据所述雷达字序列，将所述初始字时间序列转换为雷达字时间序列
。3.
根据权利要求1所述的一种雷达行为识别方法，其特征在于，所述对所述雷达字序列进行编码，生成多个雷达词，通过多个所述雷达词构建雷达词序列和雷达词时间序列的步骤包括：定义编码算法的编码复杂度为字典复杂度与序列编码复杂度之和；根据所述编码复杂度，通过编码算法对所述雷达字序列进行编码，生成雷达词词典，并利用所述雷达词词典，构建雷达词序列；根据所述雷达词序列，将所述雷达字时间序列转换为雷达词时间序列
。4.
根据权利要求1所述的一种雷达行为识别方法，其特征在于，所述特性系数包括距离探测系数
、
速度探测系数
、
回波增强系数和解模糊系数，其中：所述距离探测系数定义为雷达的脉冲信号的波形的最大无模糊距离，所述最大无模糊距离通过脉冲信号的脉冲重复周期和光速来得到；所述速度探测系数定义为雷达的脉冲信号的波形的最大无模糊速度，所述最大无模糊速度通过脉冲信号的载波频率和脉冲重复周期以及光速来得到；所述回波增强系数定义为雷达的脉冲信号的波形的时宽带宽积，所述时宽带宽积通过脉冲信号的脉冲带宽和脉冲宽度来得到；所述解模糊系数定义为求解雷达的脉冲信号的波形的最大无模糊距离和最大无模糊速度的系数，所述解模糊系数通过单个雷达词中包含的雷达字的数量来得到
。5.
根据权利要求4所述的一种雷达行为识别方法，其特征在于，所述确定所述雷达词序列的特性系数，根据所述特性系数对所述雷达词序列以及所述雷达词时间序列进行语义定义...

【专利技术属性】
技术研发人员：张磊，何超，方愚渊，魏嵩，吴建新，
申请(专利权)人：中山大学，
类型：发明
国别省市：