[發明專利]基于遷移成分分析的實測雷達輻射源脈內調制識別方法

在審

• 申請號: 202211487384.5
• 申請日: 2022-11-25
• 公開（公告）號: CN116027279A
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 時艷玲;賈邦玲;陶平
• 申請（專利權）人: 南京郵電大學
• 主分類號: G01S7/28
• 分類號: G01S7/28;G06N20/10;G01S7/02
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 劉艷艷

本發明公開了一種基于遷移成分分析的實測雷達輻射源脈內調制識別方法，包括：根據雷達信號模型生成仿真雷達輻射源信號；對仿真雷達輻射源信號和實測雷達輻射源信號進行預處理；對預處理后的仿真、實測雷達輻射源信號提取帶寬、譜峰個數、相對峰值差和頻譜熵特征，組成仿真、實測四維特征向量；利用遷移成分分析方法，將仿真四維特征向量和實測四維特征向量映射到同一隱藏空間，獲取仿真信號的隱域特征和實測信號的隱域特征；利用仿真信號的隱域特征向量對支持向量機SVM模型進行訓練，得到訓練好的SVM模型；將實測信號的隱域特征向量輸入訓練好的SVM模型，根據模型的輸出，確定實測雷達輻射源脈內調制識別結果。

技術領域

本發明涉及一種基于遷移成分分析的實測雷達輻射源脈內調制識別方法，屬于雷達脈內調制識別領域。

背景技術

隨著軍事雷達技術和機器學習的強勁發展，機器學習在軍事雷達領域的應用也越來越廣泛和深入，精準的脈內調制識別方法在電子對抗領域的作用。獲取對方信號的調制方式，為接收機后續的參數估計、脈沖串分選以及輻射源識別算法提供方向和依據。以使本方雷達系統能夠實時地獲取敵方雷達信息，指導本方作戰系統完成對敵方雷達的電磁欺騙、干擾、壓制、控制、摧毀等操作，從而取得雷達戰的勝利。如何借助機器學習提高雷達輻射源信號脈內調制識別精度已經成為雷達偵察接收機的研究熱點。

針對雷達輻射源信號脈內調制識別的研究，已有學者給出了多種方法和思路，2018年，蔣兵等人針對雷達輻射源信號脈內調制類型多樣且識別成功率較低的問題，通過提取雷達輻射源信號的瞬時頻率特征，提出一種基于概率神經網絡(ProbabilisticNeural?Network,PNN)的雷達輻射源信號快速脈內調制識別算法，大幅提高其識別效率。2020年，秦鑫等人提出了一種基于時頻分析和擴張殘差網絡的輻射源信號自動識別方法，通過時頻分析將信號時域波形轉換成二維時頻圖像以反映信號本質特征，構建擴張殘差網絡以自動提取信號時頻圖像特征，實現雷達輻射源信號的分類識別。同年，李東瑾等人提出了一種基于核空間時頻特征與棧式稀疏降噪自編碼網絡的識別系統，通過時頻變換、稀疏域降噪和核空間降維投影降低噪聲干擾和特征冗余，基于降噪自編碼與稀疏自編碼思想構建棧式稀疏降噪自編碼識別網絡，有效地解決了輻射源識別中噪聲敏感和識別能力不足等問題。2021年，樊依晨等人選取信號的差分近似熵、信息維數、最大奇異值、頻域偏度特征以及調和平均盒維數五類抗噪性能較好的特征，提出基于SVM的五維聯合特征的雷達輻射源信號脈內調制識別方法。上述這些方法都是針對模擬的雷達輻射源信號進行脈內調制識別，而面對能量弱、波形失真、干擾復雜的實測雷達輻射源信號時，如果仍然采用上述算法直接對實測的雷達輻射源信號進行訓練和識別，難以達到預期效果；或者使用上述算法采用模擬信號訓練模型參數，然后對實測信號進行脈內調制識別，也難以獲得令人滿意的識別效果。

發明內容

為了解決實測的雷達輻射源信號在脈內識別中面臨的訓練樣本有限、識別準確率低等難題，本發明采用跨域特征映射的方法，借助遷移成分分析(Transfer?ComponentAnalysis,TCA)方法來實現對實測雷達輻射源信號的有效識別。TCA是一種用于減少源域與目標域之間距離的算法，在再現核希爾伯特空間的幫助下，它使用最大均值偏差嵌入法(Maximum?Mean?Disprepancy?Embedding,MMDE)將源域和目標域的特征數據嵌入到一個共享的隱藏空間，使源域與目標域的特征數據分布非常接近，TCA解決了源域與目標域不共享分布的問題。

在本發明中，在對實測的雷達輻射源信號的脈內調制識別處理時，可以將仿真信號的特征作為源域特征，將實測信號的特征作為目標域特征，引入TCA來解決跨域特征映射問題，解決了實測的輻射源信號特征偏離仿真輻射源信號特征問題。用仿真信號的隱域特征訓練SVM模型，將實測信號的隱域特征送入已訓練好的SVM模型來識別實測信號的脈內調制類型。

為解決上述技術問題，本發明采用了如下技術手段：

第一方面，本發明提出一種基于遷移成分分析的實測雷達輻射源脈內調制識別方法，包括：