[發明專利]基于時頻分析與機器學習的雷達信號調制識別方法

在審

• 申請號: 202110092719.2
• 申請日: 2021-01-22
• 公開（公告）號: CN112560803A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 艾婧;周建江;張潔心
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于時頻分析與機器學習相結合的雷達信號調制識別方法，其特征包括：

A)從獲得的脈沖流中基于多相濾波結構提取脈沖信號的到達時間與載頻；

B)根據接收系統靈敏度判斷是否采用采樣平均技術對信號進行處理以降低計算量；

C)利用Choi-Williams時頻分析獲得低截獲概率雷達信號的時頻圖像；

D)利用殘差網絡對時頻圖像進行分類；

E)對分類為多相碼的信號進行特征提取；

F)針對特征參數集，利用隨機森林分類器對多相碼信號進行識別。

2.根據權利要求1所述的基于時頻分析與機器學習相結合的雷達信號調制識別方法，其特征在于A)對脈沖流信號進行脈沖參數估計與脈沖提取時，考慮到低截獲概率雷達信號大時寬帶寬特性選用了多相濾波結構對脈沖流信號進行處理，經過自相關積累，采用中值濾波思想的自適應門限設置，門限判決與信道判決后，得到脈沖包絡；通過瞬時相位差分法進行脈沖前后沿的測頻，并對脈沖包絡根據自相關累積點數進行修正，獲得對應的到達時間等參數。

3.根據權利要求1所述的基于時頻分析與機器學習相結合的雷達信號調制識別方法，其特征在于B)對是否進行采樣平均做判斷，當截獲接收機靈敏度高時，對應的采樣頻率較高，導致采樣點數過大從而影響后續時頻分析的效率，增加運算復雜度。通過對采樣點分組求平均的方法可以在信噪比損失不大的情況下，降低時間復雜度，并提升時頻圖效果。

4.根據權利要求1所述的基于時頻分析與機器學習相結合的雷達信號調制識別方法，其特征在于C)對處理后的信號進行Choi-Williams時頻分析，得到時頻圖像。對圖像進行預處理：經過雙三次線性插值改變圖像的大小，并通過全局閾值法對信號進行二值化，對二值化后圖像進行形態學去噪，提高了圖像質量。

5.根據權利要求1所述的基于時頻分析與機器學習相結合的雷達信號調制識別方法，其特征在于D)利用常用的低截獲概率雷達信號的時頻圖對殘差網絡進行訓練，從而進行初次調制方式識別，除多相碼信號時頻圖差異較大，通過殘差網絡的學習，可獲得較高的正確識別率，且對于一定范圍內的參數變動均適用。

6.根據權利要求1所述的基于時頻分析與機器學習相結合的雷達信號調制識別方法，其特征在于E)中根據多相碼連通域數量特點，提取了連通域個數，標準差等參數對圖像的形態特征進行了提取；并根據多相碼時頻圖間線狀與階梯狀的特點，通過提取骨架并構建擬合直線獲取兩者差值序列，對線狀與階梯狀特點進行量化；通過差值序列的標準差，周期性表征形態上的差異；再對時頻圖像提取模式識別中常用的高階偽Zernike矩特征對圖像細節進行表征。

7.根據權利要求1所述的基于時頻分析與機器學習相結合的雷達信號調制識別方法，其特征在于F)中在獲得特征參數后，組成特征向量集，送入由500棵樹組成的隨機森林分類器中進行訓練，獲得并保存訓練好的隨機森林結構；對識別分選為多相碼的信號進一步分類，得到五種不同多相碼調制方式的正確識別率。