[發(fā)明專利]一種未知輻射源個(gè)體識(shí)別及檢測(cè)的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010159776.3
• 申請(qǐng)日: 2020-03-10
• 公開（公告）號(hào): CN111310719B
• 公開（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 張昊;王厚鈞;楊海芬;楊占祥;李航宇;周亮
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 陳一鑫

1.一種未知輻射源個(gè)體識(shí)別及檢測(cè)的方法，該方法包括：

步驟1：獲取訓(xùn)練樣本；

針對(duì)每個(gè)型號(hào)的輻射源由X種信號(hào)采集帶寬、Y種傳輸帶寬和Z種調(diào)制方式相互組合構(gòu)成的X*Y*Z種工作模式發(fā)送信號(hào)，然后接收這些信號(hào)作為訓(xùn)練樣本；

步驟2：將所有訓(xùn)練樣本做下采樣，考慮到信號(hào)數(shù)據(jù)當(dāng)中，有部分時(shí)間段并沒有實(shí)際發(fā)送、接收信息，所以將未發(fā)送信號(hào)的空白部分過濾掉；

步驟3：確定相關(guān)參數(shù)，包括原信號(hào)x[n]、窗函數(shù)w[n]、窗長(zhǎng)Win_Len、重疊點(diǎn)數(shù)n_overlap、補(bǔ)零點(diǎn)數(shù)N_fft；

步驟4：每段的加窗使用Hamming窗，根據(jù)信號(hào)長(zhǎng)度n_Len、窗長(zhǎng)Win_Len以及重疊點(diǎn)數(shù)n_overlap，計(jì)算窗滑動(dòng)次數(shù)n_num；

步驟5：求每個(gè)訓(xùn)練樣本的能量譜密度PSD矩陣P，對(duì)于實(shí)信號(hào)，P是各段PSD的單邊周期估計(jì)；對(duì)于復(fù)信號(hào)，當(dāng)指定頻率向量F時(shí)，P為雙邊PSD；處理后得到的數(shù)據(jù)矩陣大小為((N_fft/2)+1)*n_num；

步驟6：將得到的矩陣進(jìn)行劃分，根據(jù)每個(gè)訓(xùn)練樣本所代表的時(shí)間長(zhǎng)度，設(shè)計(jì)合理的n_Width值；每個(gè)訓(xùn)練樣本包含n_Width個(gè)分窗，即n_Width列，每個(gè)數(shù)據(jù)文件被分為n_num/n_Width個(gè)訓(xùn)練樣本，即每個(gè)訓(xùn)練樣本維度均是((N_fft/2)+1)*n_Width；

步驟7：計(jì)算步驟6得到的訓(xùn)練樣本的均值最小值μ_train1、方差最小值σ²_train1、標(biāo)準(zhǔn)差σ_train1最小值；

步驟8：對(duì)步驟6得到的所有訓(xùn)練樣本數(shù)據(jù)進(jìn)行z-score標(biāo)準(zhǔn)化；

步驟9：采用步驟8標(biāo)準(zhǔn)化后的訓(xùn)練樣本數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

所述神經(jīng)網(wǎng)絡(luò)包括七層：

第一層為二維卷積層，其參數(shù)設(shè)置為92個(gè)權(quán)重矩陣，權(quán)重矩陣尺寸為(11,11)，激活函數(shù)為Relu函數(shù)；

第二層為最大池化層，其參數(shù)設(shè)置為池化核尺寸(3,3)；

第三層為二維卷積層，其參數(shù)設(shè)置為251個(gè)權(quán)重矩陣，權(quán)重矩陣尺寸為(5,5)，激活函數(shù)為Relu函數(shù)；

第四層為最大池化層，其參數(shù)設(shè)置為池化核尺寸(3,3)；

第五層為二維卷積層，其參數(shù)設(shè)置為377個(gè)權(quán)重矩陣，權(quán)重矩陣尺寸為(3,3)，激活函數(shù)為Relu函數(shù)；

第六層為最大池化層，其參數(shù)設(shè)置為池化核尺寸(3,3)；

第七層為全連接層；

其中：第一、三、五層的二維卷積層的輸入矩陣包含四個(gè)維度，依次為：樣本數(shù)、圖像高度、圖像寬度、圖像通道數(shù)；輸出矩陣格式與輸入矩陣的維度順序和含義相同，但是后三個(gè)維度：圖像高度、圖像寬度、圖像通道數(shù)的尺寸發(fā)生變化；權(quán)重矩陣格式同樣是四個(gè)維度，但維度的含義為：卷積核高度、卷積核寬度、輸入通道數(shù)和輸出通道數(shù)；

輸入矩陣、權(quán)重矩陣和輸出矩陣這三者的參數(shù)是相互決定的關(guān)系；權(quán)重矩陣的輸入通道數(shù)由輸入矩陣的通道數(shù)所決定；輸出矩陣的通道數(shù)由卷積核的輸出通道數(shù)所決定；輸出矩陣的高度和寬度(h_out，w_out)這兩個(gè)維度的尺寸由輸入矩陣、權(quán)重矩陣、掃描方式所共同決定；計(jì)算公式如下：h_in代表輸入矩陣高度，w_in代表輸入矩陣寬度，h_kenel、w_kenel分別代表權(quán)重矩陣的高度和寬度，p代表填充像素的大小，s代表步長(zhǎng)；

第二、四、六層的最大池化層；給定數(shù)據(jù)的三維度尺寸，即[c_in,h_in,w_in]，代表輸入池化層之前的數(shù)據(jù)的通道數(shù)，高度以及寬度，給定兩個(gè)超參數(shù)池化核尺寸[f_pool*f_pool]，池化步長(zhǎng)[s_pool]，計(jì)算池化后的樣本尺寸，公式如下：

w_out＝(w_in-f_pool)/s_pool+1

h_out＝(h_in-f_pool)/s_pool+1

c_out＝c_in

其中w_out為池化之后的樣本寬度，h_out代表池化后的樣本高度，c_out則代表池化后輸出的樣本的通道數(shù)；池化核的濾波器是不需要保留參數(shù)的；不同于卷積層的濾波器，每一個(gè)最大池化層濾波器就是一個(gè)固定的函數(shù)；

全連接層：多維數(shù)組需先進(jìn)行Flatten，然后連接全連接層；Flatten用來將輸入“壓平”，即把多維的輸入一維化，為了從卷積層到全連接層的過渡；

步驟10：去掉神經(jīng)網(wǎng)絡(luò)中的第七層，將步驟8得到數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，第六層的輸出作為神經(jīng)網(wǎng)絡(luò)的輸出，計(jì)算出神經(jīng)網(wǎng)絡(luò)的輸出的所有數(shù)據(jù)的均值最小值μ_train2、方差的最小值σ²_train2、標(biāo)準(zhǔn)差的最小值σ_train2、最大最小值差距的最小值Max-Min_train、訓(xùn)練樣本對(duì)應(yīng)輸出的值的平均值向量X_ave、輸出值與X_ave之間的夾角余弦最小值cos(θ)_train、輸出值與X_ave之間的歐氏距離最小值d_12train；

其中

X_1,k表示樣本輸入神經(jīng)網(wǎng)絡(luò)后第六層的輸出值，m是樣本在神經(jīng)網(wǎng)絡(luò)第六層輸出的中間值的維度，n是樣本對(duì)應(yīng)的輸出值向量的數(shù)量；

步驟11：在實(shí)際檢測(cè)過程中，采用步驟2到步驟7的方法計(jì)算出待檢測(cè)信號(hào)的均值、方差、標(biāo)準(zhǔn)差分別對(duì)應(yīng)的與步驟7得到的均值最小值μ_train1、方差最小值σ²_train1、標(biāo)準(zhǔn)差σ_train1最小值進(jìn)行比較，當(dāng)待檢測(cè)信號(hào)的均值、方差、標(biāo)準(zhǔn)差分別對(duì)應(yīng)小于均值最小值μ_train1、方差最小值σ²_train1、標(biāo)準(zhǔn)差σ_train1時(shí)認(rèn)為待檢測(cè)信號(hào)為未知類信號(hào)，并對(duì)該信號(hào)添加標(biāo)簽；不符合上述條件的信號(hào)進(jìn)行步驟12處理；

步驟12：將步驟11剩余的信號(hào)輸入步驟9建立的去掉第七層的神經(jīng)網(wǎng)絡(luò)，計(jì)算第六層輸出值的均值、方差、標(biāo)準(zhǔn)差、最大最小值差距、與X_ave之間的夾角余弦、與X_ave之間的歐氏距離；

當(dāng)剩余信號(hào)輸入神經(jīng)網(wǎng)絡(luò)后第六層輸出值的均值、方差、標(biāo)準(zhǔn)差、最大最小值差距、與X_ave之間的夾角余弦、與X_ave之間的歐氏距離依次對(duì)應(yīng)小于均值最小值μ_train2、方差的最小值σ²_train2、標(biāo)準(zhǔn)差的最小值σ_train2、最大最小值差距的最小值Max-Min_train、輸出值與X_ave之間的夾角余弦最小值cos(θ)_train、輸出值與X_ave之間的歐氏距離最小值d_12train則認(rèn)為該信號(hào)為未知類信號(hào)，對(duì)該信號(hào)進(jìn)行添加標(biāo)簽；其余信號(hào)為已知類信號(hào)。