[發明專利]一種雷達接收信號類型分類識別方法及系統在審
| 申請號： | 202010748712.7 | 申請日： | 2020-07-30 |
| 公開（公告）號： | CN111985349A | 公開（公告）日： | 2020-11-24 |
| 發明（設計）人： | 王峰;胡江湖;吉豐;周峻 | 申請（專利權）人： | 河海大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G01S7/36 |
| 代理公司： | 南京縱橫知識產權代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 210024 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 雷達 接收 信號 類型 分類 識別 方法 系統 | ||
1.一種雷達接收信號類型分類識別方法，其特征在于，
獲取雷達的接收信號；
對接收信號進行動目標檢測處理得到三維距離-多普勒平面；
對三維距離-多普勒平面進行處理，得到三維距離-多普勒平面的俯視特征圖，將俯視特征圖轉換為灰度圖并進行二值化處理得到二值特征圖；
將二值特征圖輸入到預先訓練好的基于神經網絡的雷達場景信號處理模型中，輸出分類識別結果。
2.根據權利要求1所述的雷達接收信號類型分類識別方法，其特征在于，所述雷達場景信號處理模型中的場景信號包括連續波干擾信號、轉發式干擾信號、目標信號和雜波信號。
3.根據權利要求1所述的雷達接收信號類型分類識別方法，其特征在于，所述基于神經網絡的雷達場景信號處理模型的構建過程包括：
獲取不同雷達場景下的接收信號，經過動目標檢測處理和二值化處理后，構建訓練集；之后通過訓練集訓練得到訓練好的網絡，再對測試集進行測試，獲得無標注訓練集；
利用無標注訓練集訓練稀疏自編碼，得到無標注訓練集的隱層特征表達集，將類別標注集和隱層特征表達集組合為Softmax分類器的訓練數據集，利用所述訓練數據集訓練練Softmax分類器，得到基于神經網絡的雷達場景信號處理模型。
4.一種雷達接收信號類型分類識別系統，其特征在于，包括：
獲取模塊，用于獲取雷達的接收信號；
動目標檢測處理模塊，用于對接收信號進行動目標檢測處理得到三維距離-多普勒平面；
二值化處理模塊，用于對三維距離-多普勒平面進行處理，得到三維距離-多普勒平面的俯視特征圖，將俯視特征圖轉換為灰度圖并進行二值化處理得到二值特征圖；
輸出模塊，用于將二值特征圖輸入到預先訓練好的基于神經網絡的雷達場景信號處理模型中，輸出分類識別結果。
5.根據權利要求4所述的雷達接收信號類型分類識別系統，其特征在于，所述輸出模塊場景信號確定模塊，用于確定雷達場景信號處理模型中的場景信號，所述場景信號包括連續波干擾信號、轉發式干擾信號、目標信號和雜波信號。
6.根據權利要求4所述的雷達接收信號類型分類識別方法，其特征在于，所述輸出模塊還包括模型構建模塊，所述模型構建模塊包括：
訓練集確定模塊，用于獲取不同雷達場景下的接收信號，經過動目標檢測處理和二值化處理后，構建訓練集；之后通過訓練集訓練得到訓練好的網絡，再對測試集進行測試，獲得無標注訓練集；
模型確定模塊，用于利用無標注訓練集訓練稀疏自編碼，得到無標注訓練集的隱層特征表達集，將類別標注集和隱層特征表達集組合為Softmax分類器的訓練數據集，利用所述訓練數據集訓練練Softmax分類器，得到基于神經網絡的雷達場景信號處理模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于河海大學，未經河海大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010748712.7/1.html，轉載請聲明來源鉆瓜專利網。
