【技术实现步骤摘要】
本专利技术涉及一种基于联合差值密集连接网络的雷达辐射源分选方法。
技术介绍
1、针对现代战场环境下复杂调制雷达侦察信号分选准确率低的情况，提出一种基于联合差值密集卷积神经网络的辐射源分选方法。由于实际中并不是所有信号类型都是固定的，传统方法对于复杂变化的信号分选效果往往不够理想。所以先对雷达侦察数据进行预处理，将脉冲描述pdw字中的脉间参数和中频数据的脉内参数所结合提取多种参数特征，弥补脉内调制信息的缺失并对滑变、捷变和参差信号的分离准确率不高。
技术实现思路
1、本专利技术提供一种基于联合差值密集连接网络的雷达辐射源分选方法。
2、本专利技术解决上述技术问题所采用的技术方案为：
3、基于联合差值密集连接网络的雷达辐射源分选方法，包括以下步骤：
4、s1:雷达侦察数据集生成
5、模拟现代战场雷达仿真生成较为复杂的辐射源信号数据集，对此数据集进行划分得到神经网络所需要的训练集、验证集以及测试集；
6、s2:特征提取
7、特征提取包括脉间特征提取和脉内特征提取；
8、s3:特征参数预处理
9、对步骤s2中的八个特征值δtoa，pw，cf，hs，he，hr，cr1，cr2分别计算差值矩阵，可以得到基于这些特征值的八个特征差值矩阵dδtoa，dpw，dcf，dhs，dhe，dhr，dcr1，dcr2，得到n×8r的特征参数联合差值矩阵[dδtoa，dpw，dcf，dhs，dhe，dhr，dcr1
10、s4:神经网络的构建及预学习
11、根据定义构建一维的密集连接网络，对划分为训练集的数据进行特征提取及参数预处理，将得到的特征参数联合矩阵作为输入传进此网络中，进行神经网络的信号特征学习，网络的输出结果即为雷达辐射源的分选结果；
12、s5:测试
13、神经网络的效果通常都采用测试集的正确率来验证，测试集的分选正确率γ计算公式为：
14、
15、其中，n0表示的是正确分选的雷达辐射源信号数量，n为测试集包含的数据总量，即所有需要被分选的雷达辐射源信号数量。
16、优选为，步骤s1中的数据类型包含十种雷达辐射源信号。
17、优选为，步骤s1中的脉内调制方式包括五种：二进制相移键控、正交相移键控、频移键控、线性调频和非线性调频。
18、优选为，所述脉间特征提取中的pw和cf参数可以直接从雷达脉冲描述字直接获取，δtoa参数通过脉冲描述字中的toa参数做差可获得。
19、优选为，所述脉内特征提取首先需要对雷达侦察辐射源信号的自相关函数进行计算，再根据三维熵的定义分别计算出香农熵hs、指数熵he和范数熵hr；另一个holder系数的参数提取要通过信号的一次频谱，即对雷达侦察辐射源信号进行一次快速傅里叶变换，实现信号时域和频域之间的转换；转换成频域信号后做能量归一化处理，计算k次方得到信号的高次方频谱，得到二维的高次方频谱对称holder系数，即特征值cr1和cr2。
20、与现有技术相比，本专利技术提出了一套适用于雷达侦察辐射源分选的算法，首先从雷达侦察数据中的脉冲到达时间、脉冲宽度、载波频率三个经典脉间参数出发，联合相关熵、holder系数这些脉内参数，并将脉冲到达时间做差值取法，提取八个特征组合成联合差值特征参数矩阵，从雷达侦察数据中提取更加细微的信息。建立一维的密集连接网络，将此联合特征矩阵做神经网络的输入矩阵，做训练和测试优化，实现基于密集连接网络的雷达辐射源分选，经过仿真实现及对比证明了此方法可行并有很好的效果，提高了分选的正确率，弥补脉内调制信息的缺失，在复杂调制下也有很好的效果，并对滑变、脉间捷变和参差信号的分选准确率进一步提升。
本文档来自技高网...【技术保护点】
1.基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，步骤S1中的数据类型包含十种雷达辐射源信号。
3.根据权利要求1所述的基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，步骤S1中的脉内调制方式包括五种：二进制相移键控、正交相移键控、频移键控、线性调频和非线性调频。
4.根据权利要求1所述的基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，所述脉间特征提取中的PW和CF参数可以直接从雷达脉冲描述字直接获取，ΔTOA参数通过脉冲描述字中的TOA参数做差可获得。
5.根据权利要求1所述的基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，所述脉内特征提取首先需要对雷达侦察辐射源信号的自相关函数进行计算，再根据三维熵的定义分别计算出香农熵HS、指数熵HE和范数熵HR；另一个Holder系数的参数提取要通过信号的一次频谱，即对雷达侦察辐射源信号进行一次快速傅里叶变换，实现信号时域和频域之间的转换；转换成频域信号
...【技术特征摘要】
1.基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，步骤s1中的数据类型包含十种雷达辐射源信号。
3.根据权利要求1所述的基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，步骤s1中的脉内调制方式包括五种：二进制相移键控、正交相移键控、频移键控、线性调频和非线性调频。
4.根据权利要求1所述的基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，所述脉间特征提取中的pw和cf参数可以直接从雷达脉冲...
【专利技术属性】
技术研发人员：顾晓乐，刘明骞，鲍欣格，
申请(专利权)人：盛航台州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。