[發明專利]一種雷達輻射源信號深度脈內特征自動提取方法

有效

• 申請號: 201811464778.2
• 申請日: 2018-12-03
• 公開（公告）號: CN109614905B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 王世強;李興成;白娟;徐彤;鄭桂妹;孫青
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 劉長春

本發明提供了一種雷達輻射源信號深度脈內特征自動提取方法，首先通過對自編碼器施以特定稀疏約束得到稀疏自編碼器；然后對稀疏自編碼器進行優化并確定其訓練方案，利用編碼層參數自動提取雷達信號深度脈內特征，在較大信噪比范圍內，提取的特征能夠較好地實現對雷達輻射源信號的分類識別。

技術領域

本發明涉及雷達信息處理領域，具體涉及一種雷達輻射源信號深度脈內特征自動提取方法。

背景技術

對雷達信號進行有效分選和識別的關鍵是提取出能夠反映信號本質的特征，而深度學習理論下的自編碼器(autoencoder,AE)以在輸出層重構出原始輸入作為目標，因其不需要額外的監督信息就能夠提取數據的分布式特征，且能夠避免設計特征時隱含的主觀性，而成為近年來備受人們關注的一個熱點方向。2006年，Hinton對原型自編碼器結構進行改進，得到深度自編碼器(deep autoencoder,DAE)，Bengio對深度自編碼器進行深化，提出了一種稀疏自編碼器(sparse autoencoder,SAE)，它通過對隱層節點加上稀疏約束，發現數據的內在結構；稀疏自編碼器的不同稀疏性懲罰、隱藏層節點數目、前置處理等對其性能都會產生影響，利用稀疏編碼器不僅可以進行深層特征提取，還可以完成缺陷檢測、分類和盲源分離的工作。

現代雷達向多功能、多用途、多種體制方向發展，其波形設計日趨復雜，信號規律性也遭到嚴重破壞，依靠經驗設計特征已不足以勝任當前電磁環境下的雷達信號脈內特征提取任務。因此，若能利用稀疏自編碼器完成這一任務，則有望突破常規方法提取脈內特征所固有的桎梏。

發明內容

本發明針對雷達信號脈內特征提取時由于依賴先驗知識而客觀性不足的問題，提供一種雷達輻射源信號深度脈內特征自動提取方法，輻射源信號的正確識別效果較好。

為達到上述目的，雷達輻射源信號深度脈內特征自動提取方法分選步驟如下：

步驟1，對權值偏置和閾值賦值，對網絡進行初始化；

所述網絡根據下式進行計算：

式中，表示第l層第j單元與第l+1層第i單元之間的聯結參數，b表示偏置項，h_W,b(x)表示自編碼器的輸出，它是激活值、聯結參數W和偏置項b的函數，自編碼器的目標是針對參數W和b來求其函數J(W,b)的最小值；

令表示當輸入為x時隱層節點j的激活值，表示隱層單元節點j的平均激活值，加上特定稀疏約束：這里ρ是接近于0的稀疏參數，采用KL距離作為懲罰項：

SAE損失函數表達式為：

其中s₂是隱層神經元的數目，β用來控制稀疏懲罰項的權重；

然后針對參數W和b來求其函數J(W,b)的最小值，將每一個參數和初始化為一個很小的、接近零的隨機值；

步驟2，隨機選取類標數據樣本用算法對神經網絡進行訓練，計算各層的輸出；

所述各層的輸出對于Gaussian型節點按下式計算：

所述各層的輸出對于Bernoulli型節點按下式計算：

式中，和分別表示第1層節點i的輸入和輸出，表示節點的偏置值；w_ij表示和下一層各節點的連接權重，表示下一層節點的輸出值；

步驟3，求出各層的重構誤差，并根據誤差修正權值和偏置；

所述誤差由下式計算：