[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

本發明涉及一種時頻分析與機器學習相結合的雷達信號調制識別方法，屬于雷達信號分選識別與機器學習技術領域。該方法包含：對脈沖流信號進行基于多相濾波結構的脈沖處理，估計脈沖載頻與到達時間等參數；對提取的脈沖進行時頻分析，并對獲得的時頻圖像進行預處理；將預處理后的圖像放入殘差網絡進行訓練，對脈內調制方式進行初次識別；對不易識別的調制方式如多相碼，再進行時頻圖特征提取；將提取得到的特征送入隨機森林分類器，進行訓練與測試；得到最終脈內調制方式識別結果。本發明在低信噪比情況下能對低截獲概率雷達信號脈內調制方式進行準確識別，具有抗噪性好，正確識別率較高的特點，且對信號參數變化有較強適應能力，有一定的應用價值。

技術領域

本發明屬于雷達信號分選識別與機器學習技術領域，具體涉及一種時頻分析與機器學習相結合的雷達信號調制識別方法。

背景技術

在現代化戰爭中，信息控制權已日益成為戰場決勝的關鍵因素，就雷達電子偵察而言，作戰部署依賴于對雷達輻射信號的捕獲與信息獲取。偵察系統在對截獲到的輻射源信號進行參數測量分析后，利用收集到的參數信息進行信號分選與識別，對敵方雷達的信息做出有效判斷，并根據其調制方式等進行干擾。只有正確識別信號，才能獲得主動權，對輻射源的脈內調制方式進行識別是電子對抗的基礎。并且，隨著無源檢測系統的發展，低截獲概率雷達信號在信息戰中的應用越來越廣泛，電子戰系統也對快速有效地識別低截獲概率雷達信號有了較強烈的需求。

由于低截獲概率雷達信號具有參數變化快、調制方式多樣的特點，在對低截獲概率雷達信號調制方式進行識別時，一般采用對截獲的信號進行特征提取的方法。提取的特征包括時域特征，頻域特征，時頻特征以及模糊函數主脊特征等。例如提取信號自相關運算后的香農熵、范數熵、奇異值熵；利用welch功率譜構建脈沖序列與正弦信號的相似系數；利用分數階傅里葉變換提取不同信號在分數域中的差異；在頻域去噪并預處理后，提取盒維數以及稀疏性作為特征參數等。

但為識別不同調制方式的信號，需要根據其調制特點進行恰當的特征選取，才能保證信號之間的差異被更好地表征。這也導致未知雷達信號調制識別較為復雜，因為對于未知信號需要提取大量特征才能確保其識別的準確性，不與其它相似的調制方式混淆。選擇用于分類的特征與最終的正確識別率有較為密切的關系，若選擇的特征在不同調制方式中的區分度不夠，易導致信號調制方式出現正確識別率不高的情況。在得到信號特征之后，需對特征進行分類，而隨著人工智能的發展，機器學習等方法開始廣泛利用，如利用支持向量機，模糊C均值聚類，K近鄰算法對提取得到的特征進行分類。這使得雷達信號脈內調制識別得到了較好的效果，但正確識別率仍在較大程度上取決于信號提取特征的效果。

為了降低提取多種特征的復雜度，并隨著神經網絡的發展，學者們考慮可以直接利用圖像在神經網絡內部進行特征提取與學習，以省去人工特征提取與篩選的步驟。在降低了操作復雜度的同時，由于機器學習會提取圖像的高階特征，也會相應地提高其正確識別率。而時頻分析可以反映信號在時域與頻域上的聯合分布情況，因此，利用截獲信號的時頻圖放入神經網絡進行識別能獲得較好的效果。但直接利用神經網絡進行時頻圖分類的正確率與時頻圖質量有關，若時頻圖的效果不好或兩種調制方式的時頻圖較為相近則會影響神經網絡的學習效果，降低正確識別率。

綜上，兩方法均存在不足之處，若只考慮特征提取會在特征選取不恰當時影響到正確識別率，而只利用時頻圖進行神經網絡調制識別也會因部分信號時頻圖相似影響正確識別率。本發明對低截獲概率雷達信號調制識別提出了一種有效的方法，通過Choi-Williams分布進行時頻分析獲得時頻圖后利用殘差網絡進行初步分類，再對時頻圖較為相似的信號進行特征提取，對提取的特征利用隨機森林進行分類。實驗證明，該方法對常用的低截獲概率雷達信號調制方式有較好的識別效果。

發明內容

本發明的目的是對常用低截獲概率雷達信號脈內調制進行識別，在信噪比較低的情況下也能獲得較高的正確識別率。因此，提出了時頻分析與機器學習相結合的脈內調制識別方法。

為實現上述發明目的，本發明的具體內容包括：