【技术实现步骤摘要】
本专利技术属于雷达信号分选，具体涉及一种基于改进时间卷积网络的雷达信号分选方法。
技术介绍
1、雷达信号分选传统上基于pri(脉冲重复间隔)单参数进行设计，如采用固定阈值匹配、直方图统计和模式识别等方法。随着现代电子对抗技术的发展，电子战环境的日益复杂，具体体现在雷达信号的脉冲参数设计多样化，如非均匀pri、跳频、多种pri交错等特性，同时在噪声干扰下易错误分类，使得传统方法难以满足电子侦察系统的分选要求。此外基于规则的方法计算复杂度较高，难以满足实时处理的要求。
2、为了克服传统pdw方法的局限性，研究者开始采用多参数分析方法，如聚类分析和深度学习方法进行雷达信号分选。聚类方法如k均值聚类算法(k-means)通过信号特征相似性进行分组，但需要预设聚类数目或相似度阈值，难以处理未知类别信号，同时对噪声敏感，鲁棒性较差。深度学习方法如长短期记忆网络(lstm)由于其长短时记忆能力，适用于序列建模，但存在计算效率低、梯度消失、训练时间长等问题，尤其是在复杂数据流处理时，难以满足高效分选的需求。也就是说，现有雷达信号分选方法存在...
【技术保护点】
1.一种基于改进时间卷积网络的雷达信号分选方法，其特征在于，包括：
2.根据权利要求1所述的基于改进时间卷积网络的雷达信号分选方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的基于改进时间卷积网络的雷达信号分选方法，其特征在于，所述处理后的ΔTOA序列中包含N个ΔTOA；所述基于所述处理后的ΔTOA序列，对所述当前的信号接收窗口N进行动态调整，得到与雷达信号和TCN匹配的更新后的信号接收窗口N′，包括：
4.根据权利要求3所述的基于改进时间卷积网络的雷达信号分选方法，其特征在于，所述基于所述N个变化率R与预设阈值之间的大小...
【技术特征摘要】
1.一种基于改进时间卷积网络的雷达信号分选方法，其特征在于，包括：
2.根据权利要求1所述的基于改进时间卷积网络的雷达信号分选方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的基于改进时间卷积网络的雷达信号分选方法，其特征在于，所述处理后的δtoa序列中包含n个δtoa；所述基于所述处理后的δtoa序列，对所述当前的信号接收窗口n进行动态调整，得到与雷达信号和tcn匹配的更新后的信号接收窗口n′，包括：
4.根据权利要求3所述的基于改进时间卷积网络的雷达信号分选方法，其特征在于，所述基于所述n个变化率r与预设阈值之间的大小关系，得到与雷达信号和tcn匹配的更新后的信号接收窗口n′，包括：
5.根据权利要求1所述的基于改进时间卷积网络的雷达信号分选方法，其特征在于，所述分别基于所述n个toa、所述n个pw和所述n个rf，生成一个处理后的δtoa序列、一个处理后的pw序列和...
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。