辐射源信号的识别方法和装置制造方法及图纸

本申请实施例提供了一种辐射源信号的识别方法和装置

【技术实现步骤摘要】
辐射源信号的识别方法和装置、存储介质及电子设备


[0001]本申请实施例涉及通信
，具体而言，涉及一种辐射源信号的识别方法和装置
、
存储介质及电子设备
。

技术介绍

[0002]辐射源个体识别技术，又称辐射源信号识别或特定辐射源识别
(Specific Emitter Identification
，简称
SEI)
，是指对接收的电磁信号进行特征测量，能够根据已有的先验信息确定产生信号的辐射源个体
。
[0003]雷达辐射源信号识别是侦查接收机从复杂的电磁环境中接收雷达信号，通过分析和提取信号的特征参数，推断该辐射源的体制
、
种类等信息的过程；传统方式下基于特征参数的模板匹配法对于先验数据库的容量和质量依赖性强，且无法准确辨别信号的特征参数，导致辐射源类型识别的效率较低
。
[0004]由此可见，相关技术中的辐射源信号的识别方法，存在辐射源类型识别效率较低的技术问题
。

技术实现思路

[0005]本申请实施例提供了一种辐射源信号的识别方法和装置
、
存储介质及电子设备，以至少解决相关技术中的辐射源信号的识别方法存在辐射源类型识别效率较低的技术问题
。
[0006]根据本申请的一个实施例，提供了一种辐射源信号的识别方法，包括：对待识别接收信号进行时频变换，得到与所述待识别接收信号相对应的待识别时频图像，其中，所述待识别接收信号为由信号接收机接收到的r/>、
待进行辐射源类型识别的信号，所述待识别时频图像用于表示所述待识别接收信号的信号能量随时间和频率变化；使用目标特征提取模型对所述待识别时频图像进行图像特征提取，得到待识别图像特征，其中，所述目标特征提取模型是用于进行图像特征提取的卷积网络模型；基于所述待识别图像特征对所述待识别接收信号进行辐射源类型识别，得到与所述待识别接收信号匹配的目标辐射源类型
。
[0007]根据本申请的又一个实施例，提供了一种辐射源信号的识别装置，包括：变换单元，用于对待识别接收信号进行时频变换，得到与所述待识别接收信号相对应的待识别时频图像，其中，所述待识别接收信号为由信号接收机接收到的
、
待进行辐射源类型识别的信号，所述待识别时频图像用于表示所述待识别接收信号的信号能量随时间和频率变化；提取单元，用于使用目标特征提取模型对所述待识别时频图像进行图像特征提取，得到待识别图像特征，其中，所述目标特征提取模型是用于进行图像特征提取的卷积网络模型；识别单元，用于基于所述待识别图像特征对所述待识别接收信号进行辐射源类型识别，得到与所述待识别接收信号匹配的目标辐射源类型
。
[0008]根据本申请的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项
方法实施例中的步骤
。
[0009]根据本申请的又一个实施例，还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤
。
[0010]根据本申请的又一个实施例，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任一项方法实施例中的步骤
。
[0011]通过本申请提供的实施例，对信号接收机接收到的
、
待进行辐射源类型识别的接收信号进行时频变换，得到用于表示信号能量随时间和频率变化的待识别时频图像，由此，能够更为全面反映信号的深层特征；使用基于卷积神经网络的目标特征提取模型对待识别时频图像进行图像特征提取，得到待识别图像特征，基于待识别图像特征进行辐射源类型识别，得到与接收信号匹配的辐射源类型，由此，能够结合时频图像良好的特征体现能力与机器学习自动化与智能化识别图像特征，从而避免对先验数据库的强依赖；达到了提高辐射源类型识别的效率与精准度的技术效果，进而解决了相关技术中存在辐射源类型识别效率较低的技术问题
。
附图说明
[0012]图1是本申请实施例提供的一种可选的辐射源信号的识别系统示意图；
[0013]图2是本申请实施例提供的一种可选的电子设备的结构示意图；
[0014]图3是根据本申请实施例的一种可选的辐射源信号的识别方法流程示意图；
[0015]图4是本申请实施例提供的一种可选的时频图像预处理流程图；
[0016]图5是本申请实施例提供的一种可选的图像特征提取示意图；
[0017]图6是本申请实施例提供的一种可选的特征输出示意图；
[0018]图7是本申请实施例提供的一种可选的目标辐射源类型分类示意图；
[0019]图8是根据本申请实施例的一种可选的辐射源信号的识别装置的结构框图；
[0020]图9是根据本申请实施例的一种可选的电子设备的计算机系统的结构框图
。
具体实施方式
[0021]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围
。
[0022]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序
。
应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施
。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品或设备固有的其它步骤或单元
。
[0023]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同
。
本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请
。
[0024]对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释
。
[0025]1)
短时傅立叶变换
(Short Time Fourier Transform
，简称
STFT)
，一种线性时频变换
。...

【技术保护点】

【技术特征摘要】
1.
一种辐射源信号的识别方法，其特征在于，包括：对待识别接收信号进行时频变换，得到与所述待识别接收信号对应的待识别时频图像，其中，所述待识别接收信号为由信号接收机接收到的
、
待进行辐射源类型识别的信号，所述待识别时频图像用于表示所述待识别接收信号的信号能量随时间和频率变化；使用目标特征提取模型对所述待识别时频图像进行图像特征提取，得到待识别图像特征，其中，所述目标特征提取模型是用于进行图像特征提取的卷积网络模型；基于所述待识别图像特征对所述待识别接收信号进行辐射源类型识别，得到与所述待识别接收信号匹配的目标辐射源类型
。2.
根据权利要求1所述的方法，其特征在于，所述对待识别接收信号进行时频变换，得到与所述待识别接收信号对应的待识别时频图像，包括：使用预设窗函数对所述待识别接收信号进行信号段截取，得到一组接收信号段；通过对所述一组接收信号段逐段进行傅里叶变换，将所述一组接收信号段中的每个接收信号段映射至二维时频域，得到所述待识别时频图像
。3.
根据权利要求1所述的方法，其特征在于，所述使用目标特征提取模型对所述待识别时频图像进行图像特征提取，得到待识别图像特征，包括：使用所述目标特征提取模型的主成分分析网络对所述待识别时频图像进行图像特征提取，得到所述待识别图像特征
。4.
根据权利要求3所述的方法，其特征在于，所述使用所述目标特征提取模型的主成分分析网络对所述待识别时频图像进行图像特征提取，得到所述待识别图像特征，包括：通过所述主成分分析网络的卷积层中的
K
个第一级主成分分析滤波器分别对所述待识别时频图像的
K
个第一级主特征进行卷积映射，得到与所述待识别时频图像对应的
K
个第一级特征矩阵，其中，
K
为大于或者等于2的正整数；通过所述主成分分析网络的卷积层中的
L
个第二级主成分分析滤波器分别对所述
K
个第一级特征矩阵中的每个第一级特征矩阵的
L
个第二级主特征进行卷积映射，得到与所述每个第一级特征矩阵对应的
L
个第二级特征矩阵，其中，
L
为大于或者等于2的正整数；分别对与所述每个第一级特征矩阵对应的
L
个第二级特征矩阵进行二值化哈希散射，得到与所述每个第一级特征矩阵对应的整数值矩阵；分别将与所述每个第一级特征矩阵对应的整数值矩阵划分为
M
个块，得到与所述每个第一级特征矩阵对应的
M
个块，确定与所述每个第一级特征矩阵对应的
M
个块中的每个块的直方图特征，并将与所述每个第一级特征矩阵对应的每个块的直方图特征级联为与所述每个第一级特征矩阵对应的直方图特征，其中，
M
为大于或者等于2的正整数，所述待识别图像特征包括与所述每个第一级特征矩阵对应的直方图特征
。5.
根据权利要求4所述的方法，其特征在于，在所述通过所述主成分分析网络的卷积层中的
K
个第一级主成分分析滤波器分别对所述待识别时频图像的
K
个第一级主特征进行卷积映射之前，所述方法还包括：对所述待识别时频图像进行滑窗采样，得到...

【专利技术属性】
技术研发人员：尹先晗，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：