[发明专利]一种雷达有源干扰的识别方法及系统

权利要求书

1.一种雷达有源干扰的识别方法，其特征在于，所述雷达有源干扰的识别方法对接收到的有源干扰进行变分模态分解，得到不同的模态分量；计算每个固有模态分量相应的矩形积分双谱，组合成特征参量；通过随机森林分类器实现雷达有源干扰方式的识别。

2.如权利要求1所述的雷达有源干扰的识别方法，其特征在于，所述对接收到的有源干扰进行变分模态分解，得到不同的模态分量具体包括：

1)初始化且n为0；

2)n＝n+1，执行循环；

3)更新u_k和ω_k；

其中，为波形分量的集合，为波形分量的中心频率集合，为拉格朗日乘子分量集合，u_k为第k个固有模态分量，ω_k为第k个中心频率分量；δ(t)表示狄拉克函数，u_k(t)为本征模态函数,表示梯度运算，表示平方L₂范数，f为待分解的原始序列；

4)更新拉格朗日乘子λ，即

其中，τ为拉格朗日乘子λ的更新参数,分别为的傅里叶变换；

5)给定判别精度ε，直到达到迭代停止条件结束循环，得到各个及中心频率ω_k，最后由傅里叶反变换得到K个窄带IMF分量。

3.如权利要求1所述的雷达有源干扰的识别方法，其特征在于，所述模态分量的双谱计算式为：

其中，ω₁，ω₂分别为两个不同时延τ₁，τ₂对应的角频率，表示不同模态分量信号y_i(t)的双谱，为三阶累积量，表示为：

不同的模态分量的矩形积分双谱计算式为：

其中，表示不同模态分量信号y_i(t)的矩形积分双谱，利用不同模态的积分双谱构建特征向量γ为：

其中，为的最大值。

4.如权利要求1所述的雷达有源干扰的识别方法，其特征在于，所述随机森林的判决结果表达式：

其中：一个M类的分类问题，一个样本p通过每个决策树分类器T_n均有M个输出结果，每个置信度p_(n,p)(f(p)＝c)表示了样本p属于第c类的概率，其中，c＝{1,2,…,M})。

5.如权利要求1所述的雷达有源干扰的识别方法，其特征在于，所述随机森林的生成过程具体包括：

1)训练集中有B个样本，有放回地随机抽取b个样本，作为一棵决策树的训练样本；

2)特征向量是d维，选取d₁维作为子集指定给每个节点，从d₁中选择分类效果最佳的一维特征作为接点的分类属性；

3)当每个节点的分类纯度达到期望比例或者生长层数达到给定值时，停止决策树的生长；

4)重复1)至3)，生长出多颗决策树，生成森林。

6.如权利要求1所述雷达有源干扰的识别方法的雷达有源干扰的识别系统，其特征在于，所述雷达有源干扰的识别系统包括：

变分模态分解模块，用于对接收到的有源干扰进行变分模态分解，得到不同的模态分量；

特征参量获取模块，用于分别计算每个固有模态分量相应的矩形积分双谱，并将其组合成新的特征参量；

识别模块，用于通过随机森林分类器实现雷达有源干扰方式的识别。

7.如权利要求6所述的雷达有源干扰的识别系统，其特征在于，所述识别模块进一步包括：

训练样本单元，用于从训练集中的样本随机抽取作为一棵决策树的训练样本；

分裂属性选择单元，用于选择分类效果最佳的一维特征作为接点的分类属性；

决策树生长单元，用于当每个节点的分类纯度达到期望比例或者生长层数达到给定值时停止决策树的生长；

生成随机森林单元，用于生长出多颗决策树，生成森林。

8.一种实现权利要求1～5任意一项所述雷达有源干扰的识别方法的雷达抗干扰系统。