[發明專利]PDW序列預處理方法、系統、計算機設備及存儲介質

有效

• 申請號: 202011228562.3
• 申請日: 2020-11-06
• 公開（公告）號: CN112347921B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 康智;譚茂洲
• 申請（專利權）人: 中國電子科技集團公司第二十九研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 徐靜

本發明公開了一種PDW序列預處理方法、系統、計算機設備及存儲介質，基于PDW序列生成PDW特征圖，先將雷達偵察接收機所截獲到的PDW序列轉換為特征參數向量序列，再將該PDW序列所屬的頻段[fre_min，fre_max]映射到區間[nf_min，nf_max]，最后根據給定抽樣間隔Δt生成包括頻率特征圖freFM和幅度特征圖PAFM的PDW特征圖，生成的PDW特征圖中包含了PDW序列中的頻率、脈寬、幅度以及到達時間信息。生成PDW特征圖后，可以將其饋入經過訓練的深度神經網絡，能夠在一定程度的脈沖特征參數失真條件下實現對信號的識別，輸出相應的信號分類結果信息，從而改善識別性能。

技術領域

本發明涉及信號處理技術領域，尤其涉及一種PDW序列預處理方法、系統、計算機設備及存儲介質。

背景技術

基于雷達偵察接收機所截獲到的PDW(脈沖描述字)序列實現信號分選是雷達信號處理的重要環節，得到信號分選結果后，利用信號分選結果通過模板匹配、數據庫匹配等方法實現目標識別是非常常見的信號處理方法。

雷達信號分選方法的研究始于20世紀70年代，方法多種多樣。其中，Mardia等人1989年在文獻“New techniques for the deinterleaving of repetitive sequences[J].IEE Proceedings，1989，136(4)：149-154.”中提出了非常著名的累積差值直方圖(CDIF)算法。后續在CDIF的基礎上，Nelson、Kenichi，以及王興穎等人又做了各種各樣的改進。直方圖分選法的特點是基于TOA(Time Of Arrival，脈沖到達時間)信息實現信號分選，沒有利用其他的脈沖特征參數，在復雜信號環境中始終存在很大的改進空間。

從上世紀90年代開始，AI算法開始應用于雷達信號分選領域。1990年，James等人在文獻“Radar Signal Categorization Using a Neural Network.Proceedings of theIEEE，1990，78(16).”中利用神經網絡對信號進行分類。后續梁百川、萬建偉、Shieh等人也采用了不同形式的神經網絡來實現分選識別。2003年，朱元清等人在文獻“支持矢量分析在雷達信號分選中的應用[J].空軍雷達學院學報，2003，17(3)：19-21.”中提出了基于支持向量機(SVM)的雷達信號分選方法，后續張葛祥也進行了SVM信號分類識別的研究。

無論是基于人工智能或非人工智能的算法，共同的特點都是使用脈沖或脈沖序列的特征參數信息作為信號分選識別的輸入，因此，一旦因為各種原因(例如信噪比差、多徑影響)導致PDW序列中的脈沖特征參數信息失真，就會影響到信號分選識別的性能。

發明內容

如前所述，現有算法的共同特點是使用脈沖或脈沖序列的特征參數信息作為信號分選識別的輸入，因此一旦出現參數失真，就會影響到信號分選識別的性能。本發明使用PDW序列生成PDW特征圖，生成PDW特征圖后，可以將其饋入經過訓練的深度神經網絡，可以在一定程度的脈沖特征參數失真條件下實現對信號的識別，從而改善識別性能。

本發明提出一種PDW序列預處理方法、系統、計算機設備及存儲介質，其技術方案如下：

一種PDW序列預處理方法，按照如下步驟基于PDW序列生成PDW特征圖，該PDW特征圖能夠饋入經過訓練的深度神經網絡進行處理，輸出相應的識別結果：