[發明專利]一種面向電磁大數據的未知雷達輻射源智能識別方法

有效

• 申請號: 202110727881.7
• 申請日: 2021-06-29
• 公開（公告）號: CN113484837B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 馮蘊天;王國良;陳翔;汪亞;許雄;韓慧;邰寧;吳若無;馮潤明
• 申請（專利權）人: 中國人民解放軍63892部隊
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 洛陽市凱旋專利事務所(普通合伙) 41112
• 代理人: 林志堅

1.一種面向電磁大數據的未知雷達輻射源智能識別方法，其特征是：其包括以下步驟：

S1、測量計算得到新出現的雷達輻射源所有脈沖的常規特征參數；

S2、對雷達輻射源所有脈沖的常規特征參數進行特征表示與提取；

S3、構建海量背景信號數據分布式存儲系統；

S4、完成未知雷達輻射源的快速比對檢索識別，操作方法為：

步驟4.1、為了能夠準確地計算雷達輻射源之間的相似度，同時捕捉輻射源信號內的波動變化特性，采用一種基于互信息的雷達輻射源相似度計算方法，使用信息論中的互信息來代替傳統的歐式距離對雷達輻射源之間的相似度進行計算，針對兩個n維的雷達輻射源信號深層特征向量X＝(x₁,x₂,…,x_n)和Y＝(y₁,y₂,…,y_n)，計算得到兩個輻射源之間的相似度XSD(X,Y)；步驟為：

步驟4.1.1、針對兩個n維的雷達輻射源信號深層特征向量X＝(x₁,x₂,…,x_n)和Y＝(y₁,y₂,…,y_n)，求兩個深層特征向量X和Y之間的互信息值I(X；Y)；

其中，p(x_i)為X的概率密度函數，p(y_j)為Y的概率密度函數；

步驟4.1.2、求互信息值I(X；Y)的對稱不確定性值；

其中，p(x_i)為X的概率密度函數，p(y_j)為Y的概率密度函數；

步驟4.1.3、計算得到兩個輻射源之間的相似度XSD(X,Y)；

XSD(X；Y)＝1-SU(X；Y)；

步驟4.2、通過將互信息MI與K最近鄰KNN算法相結合，提出MI-KNN算法實現未知雷達輻射源的檢索識別，同時能夠進行輻射源威脅等級的判定；已知海量輻射源信號深層特征數據集K＝(K₀,K₁,…,K_m)及其對應的威脅等級標簽T＝(T₀,T₁,…,T_m)，針對一個未知的待分類的輻射源信號深層特征數據X，能夠得到X的具體類別及其威脅等級T′；步驟為：

步驟4.2.1、計算待分類的輻射源信號深層特征數據X與數據集K中所有樣本數據的對稱不確定性——相似度；

步驟4.2.2、按照計算得到的相似度對所有樣本進行排序，若存在超過設定的相似度閾值的樣本，即完成未知雷達輻射源的檢索識別；若所有樣本都未超過設定的相似度閾值，則直接將X加入深層特征數據集K中；

步驟4.2.3、完成檢索識別后，取出與X最相似的k個樣本，計算k個樣本的威脅等級比例，所占比例最高的威脅等級即作為X的威脅等級判定結果；

步驟4.3、對MI-KNN算法進行并行化，使用基于Flink的未知雷達輻射源快速比對檢索識別算法完成未知雷達輻射源的識別；

S5、實現全局的數據共享；具體操作方法為：

步驟5.1、將云存儲服務器通過網線與大數據計算集群相連接；

步驟5.2、將未知雷達輻射源識別結果信息定時上傳至云存儲服務器中。

2.根據權利要求1所述的面向電磁大數據的未知雷達輻射源智能識別方法，其特征是：其步驟S1，具體操作方法為：

步驟1.1、使用超外差偵察接收機接收雷達輻射源信號；

步驟1.2、對雷達輻射源信號進行參數測量與分選；

步驟1.3、得到新出現的雷達輻射源所有脈沖的脈沖載頻CF、脈沖寬度PW、脈沖重復間隔PRI、脈沖幅度PA、脈沖的到達角AOA。