[發(fā)明專利]基于SACNN的雷達輻射源信號識別方法

有效

• 申請?zhí)枺?/td>: 202110407606.7
• 申請日: 2021-04-15
• 公開（公告）號: CN113156376B
• 公開（公告）日: 2023-08-11
• 發(fā)明（設計）人: 王曉峰;王春雨;高詩飏
• 申請（專利權(quán)）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

本發(fā)明公開了基于SACNN的雷達輻射源信號識別方法，它包括：1）構(gòu)建數(shù)據(jù)集；2）數(shù)據(jù)預處理；3）構(gòu)建SRNN局部特征提取模塊；4）構(gòu)建Attention模塊；5）構(gòu)建CNN全局特征提取模塊；6）訓練雷達輻射源識別網(wǎng)絡；7）對雷達輻射源信號進行識別。本發(fā)明構(gòu)建的網(wǎng)絡結(jié)構(gòu)直接采用一維時域雷達輻射源信號進行訓練，能夠直接提取一維時域雷達輻射源信號的特征并識別，解決了現(xiàn)有雷達輻射源識別方法在低信噪比條件下雷達輻射源信號識別準確率低以及現(xiàn)有基于二維時頻圖像對雷達輻射源信號識別方法需要時頻變換，耗費時間較多，實時性較差的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及電子對抗技術(shù)領(lǐng)域，具體涉及基于SACNN的雷達輻射源信號識別方法。

背景技術(shù)

雷達輻射源識別(Radar?Emitter?Identification，?REI)是通過分析處理截獲的敵方雷達信號，獲取敵方雷達的工作參數(shù)和信號特征參數(shù)，通過與已知雷達數(shù)據(jù)庫對比，判斷雷達的型號、工作模式、位置，進而掌握其作戰(zhàn)平臺、工作狀態(tài)、威脅等級等信息，為戰(zhàn)場電磁態(tài)勢感知、威脅告警、作戰(zhàn)計劃制定等提供情報支持。隨著戰(zhàn)場電磁環(huán)境的日漸復雜，傳統(tǒng)的基于脈沖描述字(Pulse?Description?Words,?PDW)參數(shù)的識別方法已經(jīng)不能很好的滿足低信噪比條件下雷達輻射源信號識別的要求。而低截獲概率(low?probability?ofintercept，LPI)雷達的出現(xiàn)使雷達輻射源信號識別更加困難。因此，對雷達輻射源信號準確的識別，具有十分重要的現(xiàn)實意義。

雷達輻射源識別的關(guān)鍵是特征提取。近年來，基于機器學習的雷達輻射源識別技術(shù)因其具有更強的泛化性和智能性受到研究學者的廣泛關(guān)注。作為機器學習領(lǐng)域的一個重要研究分支，深度學習及其應用也是人工智能領(lǐng)域的研究熱點，在諸如機器翻譯、問題回答、圖像分類、語音識別、文本分類等領(lǐng)域已經(jīng)取得了很好的效果。深度學習與傳統(tǒng)模式識別方法最大的不同在于它能夠從數(shù)據(jù)中自動提取特征。通過逐層特征變換，將樣本在原空間的特征變換到一個新特征空間，用簡單模型即可完成復雜的分類任務，從而使分類或預測更容易。

國內(nèi)外的許多學者將深度學習方法引入到雷達輻射源識別中，以期達到比傳統(tǒng)人工識別方法更好的識別效果。Wan?J等人提出了一種基于CNN-TPOT的識別方法對二維時頻圖進行識別，在信噪比為-4dB的條件下對12種信號的總體識別率達到94.42%；Zhang?M等人提出了一種混合分類器，包括卷積神經(jīng)網(wǎng)絡(CNN)和埃爾曼神經(jīng)網(wǎng)絡(ENN)兩個相對獨立的子網(wǎng)絡，在信噪比為-2dB的條件下，12種信號的總體識別率達到94.5%；Guo?Q等人提出利用深度卷積網(wǎng)絡遷移學習的識別方法，將信號轉(zhuǎn)化為時頻圖并進行預處理后，輸入到CNN預訓練模型中進行特征提取，最后用SVM分類器得到分類結(jié)果，在信噪比為-2dB的條件下，對9類調(diào)制信號總體識別率可達97%。

上述方法主要的問題在于：第一，在低信噪比條件下，識別準確率不高，上述文獻提到的結(jié)果多是在較高的信噪比下得出的，而在戰(zhàn)場電磁環(huán)境中，這樣的信噪比條件是很難達到的；第二，各類信號的識別準確率不平衡，而特征不明顯、不容易識別的信號也是最有可能被敵方采用、威脅最大的信號，可能帶來嚴重的后果，由此也限制了這些網(wǎng)絡的實際應用。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)在低信噪比條件下雷達輻射源信號識別準確率較低以及現(xiàn)有基于二維時頻圖像對雷達輻射源信號識別方法需要時頻變換，耗費時間較多，實時性較差的問題，提出一種基于SACNN的雷達輻射源信號識別方法。

基于SACNN的雷達輻射源信號識別方法，它包括：

1）構(gòu)建數(shù)據(jù)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(shù)據(jù)并打上標簽；

建立訓練集、驗證集和測試集：將數(shù)據(jù)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(shù)據(jù)預處理