[发明专利]一种基于DBN模型的雷达信号工作模式识别方法

说明书

本发明公开了一种基于DBN模型的雷达信号工作模式识别方法，属于雷达信号处理领域。包括以下步骤：通过对雷达信号时频域参数分析，选取合适特征；对输入特征进行归一化处理；将归一化后的各特征加入DBN网络训练，仿真分析识别效果。本发明从雷达工作在不同的工作方式、实现不同的功能时，其发射的脉冲信号存在特有的变化规律的角度出发，选取合适的时频域变化参数特征加入深信度网络(DBN)网络以完成雷达信号不同工作模式的分类识别。DBN作为深度学习的重要模型，具备无监督学习和有监督学习学习的优点，可自动发掘数据所蕴含的规律。仿真证明，基于DBN模型的模式识别可有效识别出雷达的多种工作类型，对电子对抗情报分析工作具有重要意义。

技术领域

本发明属于雷达信号处理领域，具体涉及一种基于DBN模型的雷达信号工作模式识别方法。

背景技术

随着电磁环境的复杂化以及现代新体制雷达的应用，一部雷达往往具有多种工作模式，发射信号的波形也越来越复杂多变。且在电子情报系统的侦察范围内存在多部雷达，各雷达的特征参数可能发生严重重叠，难以形成有效的聚类，因此需要挖掘更多的特征以及更强大的模型用于分类识别。

雷达辐射源信号的特征参数取决于战术用途的选择，工作在不同工作模式下的雷达信号参数有着不同的变化规律和特点，因此可以从雷达信号时频参数变化特点的角度对雷达行为进行分析。深度学习具有优异的自主学习能力，已经在语音、图像识别领域取得了较好的成绩。将深度学习方法应用到雷达信号工作模式识别上，通过对有辨识度的特征进行训练，可以判别当前雷达工作状态。

目前，国内外学者在对多功能雷达工作模式识别方面进行了一定的研究。2011年，电子信息控制重点实验室针对有源相控阵雷达多种工作模式的特点，提出了一种机载雷达工作模式识别的方法。2012年，西安电子科技大学的陈凯在D-S证据理论融合方法的基础上，分析了相控阵雷达状态和信号波形，并提出了利用特征函数识别相控阵雷达状态的方法。2015年，孟祥豪等人利用多功能雷达工作模式的转换规律和脉冲本身的时频域变化参数规律，提出了一种样本体系的成形规律描述技术，该描述方法可以准确的描述雷达脉冲成形规律和模式转换规律，在有漏脉冲和干扰脉冲的情况下依然能够提取其脉冲信号。2016年，空军工程大学的王星提出了一种在多平台协同背景下基于D-S证据理论的雷达工作模式特征层融合识别算法。该算法通过对多平台侦收的同一参数数据进行多平台参数内融合后进行参数间融合获得合成信任度，再依据工作模式判定规则识别雷达工作模式，较好解决了单平台雷达模式识别的不确定性。

发明内容

本发明的目的在于提供解决了单平台雷达模式识别不确定性的一种基于DBN模型的雷达信号工作模式识别方法。

本发明的目的通过如下技术方案来实现：

一种基于DBN模型的雷达信号工作模式识别方法，包括以下步骤：

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；

特别地，

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；