一种针对电磁信号的特征增强与自主融合方法技术

本发明专利技术公开了一种针对电磁信号的特征增强与自主融合方法，属于电磁信号处理技术领域。本发明专利技术首先接收调制信号数据与辐射源个体信号数据，对基带信号进行分解，得到对应的小波变换序列与功率谱序列，之后构建针对电磁信号的特征增强与自主融合的模型，并训练针对电磁信号的特征增强与自主融合的模型，接收实际电磁信号后，对基带信号进行分解，进一步得到对应的小波变换序列与功率谱序列，最后利用训练好的模型得到对应的特征增强与自主融合的结果。本发明专利技术可解决复杂电磁环境下目标识别精度较低的技术问题，在选用适合的特征增强和自主融合策略基础上，对电磁目标识别起到显著的促进作用，对电磁目标的识别准确率具备较大的提升。

【技术实现步骤摘要】

本专利技术涉及电磁信号处理，特别是指一种针对电磁信号的特征增强与自主融合方法。

技术介绍

1、特征增强是通过对原始数据进行一系列操作和变换，从而提取出更具代表性的特征，增强数据的表达能力和分类效果；而特征融合则是指将来自多个模态或尺度的信息组合在一起，获取信息的统一表征。特征增强和自主融合技术作为新型的特征分析手段，在生物医疗、工业制造、航空航天、卫星通信等众多领域有着广泛的需求。

2、相比于传统方法而言，基于深度学习和神经网络的识别方法可以实现自动特征提取和端到端的训练模式，并展现了巨大的识别性能优势。然而，现有的深度学习算法在电磁信号识别方面仍有进一步提升的空间，比如很具有代表性的卷积神经网络模型表现出强大的提取能力和识别能力的同时，常常会陷入局部提取特性的问题，局部提取特性往往专注于信号特征中的某一细节而忽略了全局特征中各个部分之间的相互关系和相互影响，使得识别性能受限。在这种情况下，这种局部提取特征将不可避免地限制了识别性能。

3、传统的电磁信号目标特征提取方法主要集中在单一域上，如时域、频域或变换域等，难以全面刻画目标的电本文档来自技高网...

【技术保护点】

1.一种针对电磁信号的特征增强与自主融合方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种针对电磁信号的特征增强与自主融合方法，其特征在于，步骤3中的自适应特征增强卷积神经网络模型包括顺次连接的第一卷积层、第二卷积层、基于奇异值分解的注意力机制模块、第三卷积层和第四卷积层；其中第一、二、四个卷积层的输入和输出通道均为64，卷积核大小为3，第三个卷积层的输入通道为分解的奇异值个数k，输出通道为64，卷积核大小为3；第二个卷积层的输出与第一个卷积层的输入进行残差连接，残差连接的结果作为基于奇异值分解的注意力机制模块的输入，第四个卷积层的输出与基于奇异值分解的注意力机制...

【技术特征摘要】

1.一种针对电磁信号的特征增强与自主融合方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种针对电磁信号的特征增强与自主融合方法，其特征在于，步骤3中的自适应特征增强卷积神经网络模型包括顺次连接的第一卷积层、第二卷积层、基于奇异值分解的注意力机制模块、第三卷积层和第四卷积层；其中第一、二、四个卷积层的输入和输出通道均为64，卷积核大小为3，第三个卷积层的输入通道为分解的奇异值个数k，输出通道为64，卷积核大小为...

【专利技术属性】
技术研发人员：母诗源，陈晨，张君毅，林肖辉，张世川，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：