[发明专利]一种基于DBN模型的雷达信号工作模式识别方法

权利要求书

1.一种基于DBN模型的雷达信号工作模式识别方法，其特征在于，包括以下步骤：

(1)特征选取，通过对雷达信号时频域参数分析，选取合适特征；

(2)对输入特征进行归一化处理；

(3)将归一化后的各特征加入DBN网络训练，仿真分析识别效果。

2.根据权利要求1所述的一种基于DBN模型的雷达信号工作模式识别方法，其特征在于，所述的步骤(1)中选取的特征具体为：

载频、PRI、脉宽、发射带宽、占空比、脉冲压缩比、最大非模糊速度、总模糊度、距离分辨率及调制类型十个特征，

(1.1)载频：未调制的无线电、雷达、载波通信或其他发射机产生的频率，即一个特定频率的无线电波，超高频波段(UHF)多为远程警戒雷达，用于监视宇宙飞船、洲际导弹等目标，L波段是地面远程对空警戒雷达的首选频段，频率处于该波段的雷达能够得到较好的目标检测性能；

(1.2)脉冲重复间隔(PRI)：与雷达的性能要求和工作任务有着紧密的联系，PRI类型处于固定模式一般为搜索和跟踪雷达，其扰动在PRI均值的1％，主要用于MTI和脉冲多普勒雷达，PRI为突发类型则有很大的扰动，调度PRI的模式较为复杂，主要用于电子扫描、多功能计算机控制雷达系统，通常PRI值会随着目标的情况不同而自适应调整；

(1.3)脉冲宽度(PW)：电流或者电压随时间有规律变化的时间宽度，影响雷达的作用距离和距离分辨率；

(1.4)发射带宽：发射信号所包含谐波的最高频率与最低频率之差，即该信号所拥有的频率范围；

(1.5)占空比：一个脉冲循环内，通电时间相对于总时间所占的比例；

(1.6)脉冲压缩比；

(1.7)最大非模糊速度：如果两个相邻脉冲的目标回波相位差是2π的倍数，系统则会把目标视为静止目标过滤掉，此时目标的径向运动速度即为最大非模糊速度，计算公式为：

(1.8)总模糊度：雷达的最大非模糊距离和最大非模糊速度的乘积称之为雷达的总模糊度，计算公式为：

(1.9)距离分辨率：雷达信号的距离分辨率与带宽有着密切关系，带宽越大，距离分辨率越低，计算公式为：

(1.10)雷达调制类型：只定义两种脉内调制类型：相位编码脉冲信号，频率编码脉冲信号。

3.根据权利要求1所述的一种基于DBN模型的雷达信号工作模式识别方法，其特征在于，所述的步骤(2)具体为：

采用min-max标准化方法，通过对原始数据进行线性变化，将结果映射到[0,1]之间，转换函数：

其中max为样本数据的最大值，min为样本数据的最小值。

4.根据权利要求1所述的一种基于DBN模型的雷达信号工作模式识别方法，其特征在于，所述的步骤(3)具体为：

(3.1)DBN由受限玻尔兹曼机(RBM)为基本单元搭建信任网络，采用了逐层初始化和在最后一层进行有监督的反向传播微调的方法，实现对数据的降维及分类；

(3.2)RBM是典型的能量模型，在已知可视层v的情况下，隐藏层的各单元hi之间是相互独立的；在已知隐藏层h的情况下，可视层各单元vi是相互独立的，即同层之间各单元相互独立，隐藏层与可视层相互影响；

RBM的能量函数E(v,h)定义为

E(v,h)＝-bTv-cTh-hTWv

其中b,c分别为可视层和隐藏层的偏置，W为可视层与隐藏层之间的权重；

由于在RBM中，同层内各单元相互独立，故

P(h|v)＝Πip(hi|v)

P(v|h)＝Πjp(vj|h)

在二元制即vj,hi∈{0,1}的情况下，我们可以得到

P(vj＝1|h)＝sigm(bj+Wj′h)

(3.3)对比散度(CD)就是通过计算各层单元取值为1的概率对下一层进行重构，是一种成功的用于求解对数似然函数关于未知参数梯度的近似的方法，各参数的更新规则如下：

W←W+ε[P(h1i＝1|v1)v1′-P(h1i＝1|v1)]

b←b+ε(v1-v2)

c←c+ε[P(h1.＝1|v1)-P(h2.＝1|v2)]

(3.4)BP网络是一种有监督的分类器，其训练过程分为具体前向和后向。在前向传播过程中，输入特征向量得到输出层的预测分类类别；后向传播的作用是通过实际分类结果和期望分类结果对比，根据误差回调DBN各层权值。