[發(fā)明專利]一種基于三元組損失的未知輻射源辨別方法

有效

• 申請?zhí)枺?/td>: 202110238027.4
• 申請日: 2021-03-04
• 公開（公告）號: CN112949720B
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計）人: 林萬杰;林靜然;潘曄;邵懷宗;利強(qiáng);胡全
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 李夢蝶

本發(fā)明公開了一種基于三元組損失的未知輻射源辨別方法，屬于輻射源識別領(lǐng)域，該方法通過一定規(guī)則選取合適的輻射源數(shù)據(jù)，構(gòu)成三元組進(jìn)行網(wǎng)絡(luò)訓(xùn)練。訓(xùn)練出的網(wǎng)絡(luò)能夠使同一輻射源的數(shù)據(jù)在embedding特征空間中距離互相靠近，同時使不同輻射源的特征向量互相遠(yuǎn)離。測試時，將待測樣本與各個已知源的特征向量計算距離，即可判斷待測樣本是否屬于已知源或者屬于哪個已知源。

技術(shù)領(lǐng)域

本發(fā)明涉及輻射源識別領(lǐng)域，具體涉及一種基于三元組損失的未知輻射源辨別方法。

背景技術(shù)

如今人工智能、深度學(xué)習(xí)被廣泛應(yīng)用于各式各樣的分類問題。在各個領(lǐng)域，諸如圖像、語音、文字、信號等，基于神經(jīng)網(wǎng)絡(luò)的分類算法都有著得不錯的效果，并且有著廣闊的研究前景。但這種方法對于開放場景下的輻射源識別有一定困難。

現(xiàn)階段，在通信、雷達(dá)的輻射源識別領(lǐng)域，多是采用各種人工方法或直接利用神經(jīng)網(wǎng)絡(luò)提取特征，再利用分類器對特征進(jìn)行分類。而目前最常用且使用最廣泛的分類器就是使用交叉熵?fù)p失函數(shù)的神經(jīng)網(wǎng)絡(luò)。這類方法一般在神經(jīng)網(wǎng)絡(luò)最后一層使用softmax函數(shù)激活，并以交叉熵作為損失函數(shù)，然后利用反向傳播算法對模型參數(shù)進(jìn)行優(yōu)化。這類方法雖然解決了已知輻射源的分類問題，但不能解決未知輻射源的判決問題，即當(dāng)不能保障測試數(shù)據(jù)只包含已知輻射源時，這類方法沒有辦法判別待測數(shù)據(jù)是否為新的目標(biāo)，是否為已知輻射源。因此在現(xiàn)實場景中，這類方法的適用性和有效性無法保障。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的種基于三元組損失的未知輻射源辨別方法解決了現(xiàn)有技術(shù)對未知輻射源的無法判決的問題。

為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：一種基于三元組損失的未知輻射源辨別方法，包括以下步驟：

S1、采集已知輻射源數(shù)據(jù)，構(gòu)建訓(xùn)練集；

S2、從訓(xùn)練集選取一批帶標(biāo)簽的樣本，構(gòu)建標(biāo)準(zhǔn)三元組，采用標(biāo)準(zhǔn)三元組對輻射源識別模型進(jìn)行訓(xùn)練，得到訓(xùn)練完成的輻射源識別模型；

S3、將多個已知輻射源數(shù)據(jù)輸入訓(xùn)練完成的輻射源識別模型中，正向傳播，得到每個已知輻射源數(shù)據(jù)對應(yīng)的嵌套向量；

S4、對每個已知輻射源數(shù)據(jù)對應(yīng)的嵌套向量進(jìn)行可視化處理，構(gòu)建已知庫；

S5、將待測輻射源數(shù)據(jù)輸入訓(xùn)練完成的輻射源識別模型，正向傳播，得到待測輻射源數(shù)據(jù)對應(yīng)的嵌套向量；

S6、根據(jù)待測輻射源數(shù)據(jù)對應(yīng)的嵌套向量和已知庫，判斷該待測輻射源數(shù)據(jù)為已知源或未知源。

進(jìn)一步地，所述步驟S2中輻射源識別模型包括依次連接的預(yù)處理模塊、信號域變換模塊、神經(jīng)網(wǎng)絡(luò)模型和歸一化處理模塊。

進(jìn)一步地，所述步驟S2包括以下分步驟：

S21、從訓(xùn)練集選取一批帶標(biāo)簽的樣本；

S22、將帶標(biāo)簽的樣本輸入輻射源識別模型中，得到每個樣本對應(yīng)的嵌套向量；

S23、根據(jù)每個樣本對應(yīng)的嵌套向量，從帶標(biāo)簽的樣本中選取錨點、正例和負(fù)例構(gòu)建標(biāo)準(zhǔn)三元組；

S24、采用標(biāo)準(zhǔn)三元組對輻射源識別模型進(jìn)行訓(xùn)練，判斷標(biāo)準(zhǔn)三元組損失函數(shù)是否收斂，若是，則得到訓(xùn)練完成的輻射源識別模型，若否，則跳轉(zhuǎn)至步驟S21。

進(jìn)一步地，所述步驟S23包括以下分步驟：

S231、從帶標(biāo)簽的樣本中隨機(jī)選取錨點，選取同標(biāo)簽樣本作為正例，選取異標(biāo)簽樣本作為負(fù)例；

S232、將錨點、正例和負(fù)例構(gòu)成原始三元組；