[發明專利]基于SACNN的雷達輻射源信號識別方法

有效

• 申請號: 202110407606.7
• 申請日: 2021-04-15
• 公開（公告）號: CN113156376B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 王曉峰;王春雨;高詩飏
• 申請（專利權）人: 中國人民解放軍空軍航空大學
• 主分類號: G01S7/02
• 分類號: G01S7/02
• 代理公司: 長春市東師專利事務所 22202
• 代理人: 張鐵生;劉瑩

1.基于SACNN的雷達輻射源信號識別方法，它包括：

1)構建數據集

將偵收設備偵收到的雷達輻射源信號進行采樣并截取固定長度，作為數據并打上標簽；

建立訓練集、驗證集和測試集：將數據和標簽對應隨機打亂，按照比例劃分訓練集、驗證集和測試集；

2)數據預處理

利用Min-Max歸一化算法，對每個生成的訓練集、驗證集和測試集數據進行歸一化處理；

所述Min-Max歸一化算法的數學模型表示如下：

其中x表示Min-Max歸一化算法的輸入，min(x)和max(x)分別為所有輸入數據的最小值和最大值，

x′為Min-Max歸一化算法的響應；

對所有數據的標簽進行one-hot編碼；

將歸一化處理后的數據進行兩次切片處理，第一次將形狀為(1024,1)的數據切分成形狀為(8,128,1)的數據，第二次將形狀為(8,128,1)的數據切分成形狀為(8,8,16,1)的數據；

3)構建SRNN局部特征提取模塊：

搭建一個3層SRNN局部特征提取模塊，輸入形狀為(8,8,16,1)的數據；

模塊網絡結構為：

第0層的輸入為長度為16的最小子序列，每個子序列對應標準RNN結構，輸出為第0層的隱狀態；

其中，表示第0層上的第t個隱狀態；表示第0層的循環單元；mss表示第0層的最小子序列；l₀為第0層最小子序列長度，取值為16；第0層的輸出為第1層的輸入為第0層輸出的隱狀態由隱狀態組成的子序列對應標準RNN結構，輸出為第1層的隱狀態，即

其中，表示第1層上的第t個隱狀態；表示第一層的循環單元；l₀為第0層最小子序列長度，取值為16；

第2層的輸入為第1層輸出的隱狀態由隱狀態組成的子序列對應標準RNN結構，輸出為第2層的隱狀態，即也就是3層SRNN局部特征提取模塊的輸出；

其中，F表示3層SRNN局部特征提取模塊的輸出；表示第2層上的第t個隱狀態；表示第2層的循環單元；l₁為第1層最小子序列長度，取值為128；

以上搭建的3層SRNN局部特征提取模塊中，循環單元均采用門控循環單元GRU；GRU中，輸出單元設置為32，激活函數設置為tanh；

所述激活函數tanh的數學模型表示如下：

4)構建Attention模塊；

5)構建CNN全局特征提取模塊；

6)訓練雷達輻射源識別網絡；

7)對雷達輻射源信號進行識別。

2.根據權利要求1所述的基于SACNN的雷達輻射源信號識別方法，其特征在于：所述的步驟4)構建Attention模塊，包括：搭建一個Attention模塊，其結構總共4層，依次為：第一Permute層、全連接層、第二Permute層、Multiply層；其中第一、第二Permute層根據給定的模式置換輸入的維度；全連接層的激活函數為softmax；Multiply層將第二Permute層的輸出與第一Permute層的輸入對位相乘，結果作為Attention模塊的輸出；

注意力狀態轉換的實現表示如下：

其中F表示Attention模塊的輸出；a_i表示歸一化的匹配程度；h_i表示輸入的隱藏狀態；e_i表示注意力打分機制；和W_i表示i時刻的權重系數；b_i為i時刻相應的偏移量。