[發(fā)明專利]一種輻射源調制樣式與個體識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202310181144.0
• 申請日: 2023-02-28
• 公開（公告）號: CN116430317A
• 公開（公告）日: 2023-07-14
• 發(fā)明（設計）人: 康凱;郭文普;付文宇;張怡霄;徐東輝;田小超;楊海宇
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G01S7/02
• 分類號: G01S7/02;G01S13/89;G06F18/213;G06F18/24;G06F18/241;G06F18/25;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發(fā)明公開了一種輻射源調制樣式與個體識別方法及系統(tǒng)，對原始脈內(nèi)的IQ信號數(shù)據(jù)進行歸一化處理；將歸一化處理后的IQ信號數(shù)據(jù)分別送入多任務學習模型，利用多任務學習模型中主干網(wǎng)絡的時頻譜分支和波形分支中進行深度特征提取；將波形分支深度特征向量輸入調制樣式識別任務的頭部網(wǎng)絡，將時頻譜分支深度特征向量輸入個體識別任務的頭部網(wǎng)絡；根據(jù)多任務學習模型的損失函數(shù)對包含調制樣式識別任務頭部網(wǎng)絡和個體識別任務頭部網(wǎng)絡的多任務學習模型進行訓練；利用訓練得到的多任務學習模型實現(xiàn)輻射源的調制樣式識別與個體識別。有效提高識別準確率，實現(xiàn)脈內(nèi)數(shù)據(jù)深度特征的有效提取。

技術領域

本發(fā)明屬于技術領域，具體涉及一種輻射源調制樣式與個體識別方法及系統(tǒng)。

背景技術

雷達輻射源信號的調制樣式識別問題與個體識別問題從本質上都是模式分類識別的問題，首先從偵測到的雷達脈沖信號中提取特征作為模式分類識別的輸入，然后輸出分類識別結果。傳統(tǒng)方法通常基于到達角、載頻、重頻、脈寬以及脈幅等常規(guī)脈沖描述字參數(shù)提取雷達輻射源信號特征，但由于現(xiàn)代雷達的常規(guī)參數(shù)具有多變、快變等特點，僅利用常規(guī)參數(shù)難以達到理想的識別準確率。要實現(xiàn)對現(xiàn)代雷達輻射源信號調制樣式與個體的準確識別，需要深入分析研究信號脈沖的脈內(nèi)信息變化規(guī)律。因此，目前大多數(shù)方法對脈沖檢測后得到的脈沖采樣數(shù)據(jù)進行脈內(nèi)分析，基于脈內(nèi)數(shù)據(jù)提取特征，進行信號的調制類型與個體分類識別。

調制樣式識別：現(xiàn)代雷達為了提高作用距離、分辨力以及抗干擾能力，普遍采用脈沖壓縮(Pulse?Compression)體制，對脈沖信號進行相位調制或頻率調制，如線性調頻(Linear?Frequency?Modulation，LFM)、相位編碼(又稱相移鍵控，Phase?Shift?Keying，PSK)、頻率編碼(又稱頻移鍵控，F(xiàn)requency?Shift?Keying，F(xiàn)SK)，以及FSK/LFM和FSK/PSK/PSK復合調制方式等。這些脈內(nèi)調制特征為脈沖信號分選與雷達輻射源識別提供了重要信息，因此，研究基于脈內(nèi)參數(shù)的輻射源調制樣式識別方法，對電子偵察領域的研究是非常重要的。

個體識別：輻射源個體識別需要根據(jù)脈內(nèi)數(shù)據(jù)判斷出脈沖具體來自哪一個特定的個體。相比于調制樣式識別，個體識別需要更精細的脈內(nèi)特征，才能對個體進行有效識別。

傳統(tǒng)的方法是從原始的脈內(nèi)IQ數(shù)據(jù)中提取人工設計的特征，然后利用特征工程技術對特征進行篩選和優(yōu)化，最后使用支持向量機、決策樹淺層分類器對目標進行分類。人工設計的特征雖然可以描述雷達輻射源的特性，但是設計這些特征需要大量的先驗知識。然而，對于未知目標和復雜的戰(zhàn)場電磁環(huán)境，很難獲得足夠的先驗知識。因此，傳統(tǒng)方法在面對實際的復雜場景時，魯棒性不強。

現(xiàn)有一種結合深度學習和集成學習的輻射源個體識別方法，只能實現(xiàn)輻射源個體識別任務，無法同時實現(xiàn)輻射源調制類型識別任務。此外，在確定深度學習與集成學習的權重值時，需要憑借經(jīng)驗人工設定閾值，而閾值的設定往往影響到不同目標類別的識別準確率。另一種輻射源個體識別方法及裝置、終端、存儲介質，只考慮使用了信號的頻域特征，容易忽略原始信號本身的相關特征，并且該方案只能實現(xiàn)輻射源個體識別任務，無法同時實現(xiàn)輻射源調制類型識別任務；還有一種基于GAF和ResNet的通信輻射源個體識別方法及系統(tǒng)，只使用了信號的GAF生成的圖像信息，容易忽略原始信號本身的相關特征，并且該方案只能實現(xiàn)輻射源個體識別任務，無法同時實現(xiàn)輻射源調制類型識別任務；還有一種未知輻射源個體識別及檢測的方法，人為定義的特征會受人的主觀因素的影響，其對輻射源個體信息的表征能力具有一定的局限性，這在實際應用中就會出現(xiàn)一些問題，如降低魯棒性、泛化性較弱以及表征能力不強。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術問題在于針對上述現(xiàn)有技術中的不足，提供一種輻射源調制樣式與個體識別方法及系統(tǒng)，用于解決無法同時實現(xiàn)輻射源調制樣式識別與個體識別任務的技術問題。

本發(fā)明采用以下技術方案：

一種輻射源調制樣式與個體識別方法，包括以下步驟：