[發明專利]復雜電磁環境下基于目標檢測的通信干擾信號識別方法

有效

• 申請號: 202010311576.5
• 申請日: 2020-04-20
• 公開（公告）號: CN111541511B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 付天暉;楊曉樂;王永斌;翟琦;陳斌;羅勇;李麗華;馮士民
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: H04K3/00
• 分類號: H04K3/00;G06V20/40;G06V10/25
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 楊采良

1.一種復雜電磁環境下基于目標檢測的通信干擾信號識別方法，其特征在于，所述復雜電磁環境下基于目標檢測的通信干擾信號識別方法包括：

步驟一，獲取已標定干擾信號的時頻圖像,并進行數據增強處理；

步驟二，對時頻圖像流進行幀提取，并使用矩形框作為標簽，標注目標區域；使用時頻圖像和對應標簽訓練SAR-YOLO-Tiny網絡模型；SAR-YOLO-Tiny網絡模型為基于小縱橫比錨框的網絡；

步驟三，使用測試集圖片對訓練好的SAR-YOLO-Tiny網絡模型進行測試。

2.如權利要求1所述的復雜電磁環境下基于目標檢測的通信干擾信號識別方法，其特征在于，所述步驟一中，使用USRP軟件無線電平臺和GNU Radio軟件生成指定類型的通信干擾信號，利用RTL-SDR在不同背景下接收環境中的所有信號，并以時頻圖像的形式呈現，通過硬件搭建測試平臺獲取實測數據，并制作數據集；

使用Labelme軟件完成對干擾信號的標定，獲取干擾信號區域的坐標；

將所述時頻圖像和干擾信號區域的坐標以格式化的方式保存。

3.如權利要求1所述的復雜電磁環境下基于目標檢測的通信干擾信號識別方法，其特征在于，所述步驟一中，獲取已標定干擾信號的時頻圖像的方法包括：

利用短時傅里葉變換，將接收信號的時域信息轉換為時頻域信息，以二維圖像的形式展現；變換公式為：

式中x(m)為輸入信號，g(m)為窗函數；使用N點快速傅里葉變換上述時域到時頻域的變換，N＝65536；

所述步驟一中，利用Pytorch深度學習框架實現搭建SAR-YOLO-Tiny網絡模型，使用Opencv計算機視覺庫對獲取的圖像進行隨機調整圖片的亮度、對比度和飽和度增強處理。

4.如權利要求1所述的復雜電磁環境下基于目標檢測的通信干擾信號識別方法，其特征在于，所述步驟二中，使用獲取的格式化數據訓練SAR-YOLO-Tiny網絡模型；

SAR-YOLO-Tiny網絡模型基于YOLO-Tiny網絡構建，使用小縱橫比的錨框，包括19×51，8×66，23×16，10×29，23×152，50×83，估計實際的矩形目標區域；

小縱橫比的錨框尺寸由實際標簽中邊界框的尺寸經過K-means++聚類算法計算得到；

所述SAR-YOLO-Tiny網絡模型包括殘差模塊、卷積層、池化層和檢測層，檢測層用于計算預測結果與真實標簽之間的誤差，誤差通過反向傳播調整網絡參數直到完成訓練周期。

5.如權利要求4所述的復雜電磁環境下基于目標檢測的通信干擾信號識別方法，其特征在于，K-means++聚類算法通過不斷地迭代選擇出k個最具有代表性的尺寸用于預測，具體實現方式：

將每一個邊界框的寬高數據視為一個點，對所有點進行初始化聚類，獲取6個聚類中心，按照距離公式，計算剩余所有點與當前點的距離，距離計算公式為：

Distance＝1-box_iou(box,centrcid)

其中Distance表示距離，box_iou表示交并比計算函數，box代表剩余點中的某一個，centrcid表示初始化的聚類中心；

box_iou的計算步驟包括：

獲取box左上角在x軸上的坐標x₁和在該軸上的長度len_x1，獲取box左上角在y軸上的坐標y₁和在該軸上的長度len_y1以及centrcid的相同參數x₂，y₂，len_x2，len_y2， 根據8個參數計算兩個邊界框的交集面積與并集面積之比；

依次計算得到所有box與已有聚類中心的距離，選擇出與最近聚類中心的距離；設參與此輪聚類中心選擇的box個數為m，根據如下公式計算各box被選為聚類中心的概率：

列出P[(box_i)]的分布律，隨機生成一個處于0和1之間的數，該數所處的概率區間對應的box就是下一個聚類中心；計算得到的6個聚類中心的寬和高，作為6個先驗邊界框的尺寸。