[發明專利]一種不同類型的遮蓋式干擾和欺騙式干擾的識別方法

在審

• 申請號: 201810728441.1
• 申請日: 2018-07-05
• 公開（公告）號: CN109061577A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 劉明騫;張俊林;高曉騰;李兵兵;葛建華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S7/36
• 分類號: G01S7/36;G01S7/41
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種不同類型的遮蓋式干擾和欺騙式干擾的識別方法，其特征在于，所述不同類型的遮蓋式干擾和欺騙式干擾的識別方法包括：對接收到的雷達有源干擾信號進行雙譜計算，得到干擾信號的雙譜；分別計算在不同參數下雙譜的Renyi熵，并將其組合成新的特征向量；利用RBF神經網絡分類器對所構建的特征向量進行分類。

2.如權利要求1所述的不同類型的遮蓋式干擾和欺騙式干擾的識別方法，其特征在于，所述不同類型的遮蓋式干擾和欺騙式干擾的識別方法具體包括以下步驟：

步驟一，對接收到的雷達有源干擾信號進行雙譜計算，得到干擾信號的雙譜；

對接收信號r(t)進行雙譜分析，表達式如下：

其中，ω₁，ω₂分別為τ₁，τ₂對應的角頻率，B(ω₁,ω₂)表示干擾信號的雙譜，C₃(τ₁,τ₂)為三階累積量，表示為：

步驟二：分別計算在不同參數下雙譜的Renyi熵，并將其組合成新的特征向量；

計算接收信號雙譜的Renyi熵，計算式為：

其中R_α為雙譜的Renyi熵，α為可調節參數(α≠1)；調整參數α的值，計算不同參數下雙譜的Renyi熵，組合成特征向量ξ：

ξ＝[R₁,R₂,…R_N]；

其中，N為參數α取的第N個值；

步驟三：利用RBF神經網絡分類器對所構建的特征向量進行分類。

3.如權利要求2所述的不同類型的遮蓋式干擾和欺騙式干擾的識別方法，其特征在于，所述步驟一計算接收干擾信號的雙譜的具體方法包括：

(1)對接收信號r(t)進行采樣得到長度為N的{r(i)}，分為K段，可重疊分段，然后除去每段數據的均值，將每段數據的均值變為0；

(2)求第k段數據的離散傅里葉系數DFT：

(3)計算DFT系數的三重自相關：

式中：Δ₀＝f_s/N₀，f_s為數據采樣頻率，N₀為雙譜域內ω₁和ω₂的頻率采樣點數；N₀和L₁之間應該滿足M＝(2L₁+1)N₀的關系；

(4)求K段數據雙譜的平均值，得到接收信號的雙譜：

式中：ω₁＝2πf_sλ₁/N₀；ω₂＝2πf_sλ₂/N₀。

4.一種如權利要求1所述不同類型的遮蓋式干擾和欺騙式干擾的識別方法使用的RBF神經網絡分類器，其特征在于，所述RBF神經網絡分類器：第一層為輸入層，由信號源節點組成；第二層為隱藏層，隱藏層節點數視所描述問題的需要而定，隱藏層中神經元的變換函數即徑向基函數是對中心點徑向對稱且衰減的非負線性函數，該函數是局部響應函數；第三層為輸出層，是對輸入模式做出的響應；輸入層與隱藏層之間為直接連接；隱藏層到輸出層之間為權連接。所述RBF神經網絡分類器的結構為l～m～n，有l個輸入節點，m個隱藏層節點和n個輸出節點，h_i為第i個隱藏層節點的輸出，y_j為第j個輸出節點的輸出；網絡的映射關系分為：

(1)輸入層到隱藏層的非線性變換，則第i個隱藏層節點的輸出為：

式中X為輸入樣本，C_i、σ_i為隱藏層第i個節點的中心和寬度；

(2)從隱藏層到輸出層的線性合并，第j個輸出層節點的輸出為：

式中w_ij為第i個隱藏層節點與第j個輸出層節點中間的權值，m為隱藏層節點數。

5.一種使用權利要求1～4任意一項所述不同類型的遮蓋式干擾和欺騙式干擾的識別方法的雷達有源干擾識別系統。