基于时频融合特征与MSANet的雷达信号调制识别方法技术

技术编号:44186179 阅读:20 留言:0更新日期:2025-02-06 18:27
本发明专利技术属于雷达信号处理技术领域。针对低信噪比环境下时频图像会受到严重干扰,且普通的卷积神经网络无法适应多变的时频图形,造成识别效果不佳的问题,提出了基于时频融合特征与MSANet的雷达信号脉内调制类型识别方法,包括如下步骤:对雷达信号进行三类时频分析,然后进行预处理得到训练集、验证集和测试集;然后构建MSANet模型,并使用训练集和验证集训练MSANet模型;MSANet模型训练结束后,使用测试集测试MSANet模型的识别准确率和抗混淆能力。该方法可以用于分类多达12类雷达信号的脉冲内调制方式,且在低信噪比下具有良好的稳健性。

【技术实现步骤摘要】

本专利技术属于雷达信号处理,特别是涉及一种基于时频融合特征与多尺度感知网络msanet的雷达信号脉冲内调制识别方法。


技术介绍

1、雷达信号调制方式识别作为电子战领域的核心技术,对于现代战争的胜负起着至关重要的作用。它涉及到对敌方雷达发射的信号进行分析和识别,从而揭示其工作机制和意图。随着电子技术的发展,雷达信号的复杂性和多样性不断增加,这要求雷达信号调制方式识别技术必须不断进步,以适应不断变化的战场环境。基于人工决策和模式识别的传统方法存在明显缺陷,难以提取有效特征、识别信号类型有限、处理速度缓慢,以及在电磁干扰环境中性能不佳,这些限制使其难以满足现代战争的高标准需求。

2、随着深度学习技术的不断进步,基于卷积神经网络的信号识别方法为脉冲内调制识别提供了一种有前景的解决方案。这种方法利用智能算法识别复杂的多类雷达信号,通常以信号的时频图像作为输入。不过,在低信噪比环境下时频图像会受到严重干扰,且普通的卷积神经网络无法适应多变的时频图形,造成识别效果不佳。


技术实现思路

1、本专利技术提供了一种基本文档来自技高网...

【技术保护点】

1.一种基于时频融合特征与MSANet的雷达信号脉冲内调制识别方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于时频融合特征与MSANet的雷达信号脉冲内调制识别方法,其特征在于:步骤1中的雷达采样信号包括CW、LFM、NLFM、BPSK、QPSK、FSK、4FSK、FRANK和P1~P4;Winger-Ville时频分析表达式为:

3.根据权利要求1所述的一种基于时频融合特征与MSANet的雷达信号脉冲内调制识别方法,其特征在于:步骤2中采取是二值化方法为自适应阈值二值化;使用的裁剪方法为双三次插值法;建立时频融合特征集的具体过程为:

...

【技术特征摘要】

1.一种基于时频融合特征与msanet的雷达信号脉冲内调制识别方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于时频融合特征与msanet的雷达信号脉冲内调制识别方法,其特征在于:步骤1中的雷达采样信号包括cw、lfm、nlfm、bpsk、qpsk、fsk、4fsk、frank和p1~p4;winger-ville时频分析表达式为:

3.根据权利要求1所述的一种基于时频融合特征与msanet的雷达信号脉冲内调制识别方法,其特征在于:步骤2中采取是二值化方法为自适应阈值二值化;使用的裁剪方法为双三次插值法;建立时频融合特征集的具体过程为:

4.根据权利...

【专利技术属性】
技术研发人员:罗忠涛廖仁龙张浩云
申请(专利权)人:重庆邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1