[发明专利]基于RNN-DenseNet网络的雷达信号识别方法

权利要求书

1.基于RNN-DenseNet网络的雷达信号识别方法，其特征在于，包括如下：

1)用MATLAB软件仿真生成雷达信号的数据集，该数据集信号包括常规脉冲信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、二频编码信号和四频编码信号这七种信号，其中每种信号从-10dB到2dB每隔2dB信噪比生成3000个样本；

2)对数据集信号进行预处理：

2a)将1)产生数据集的信号先以序列的形式输出，再将数据集信号进行时频变换，并以信号时频图的形式输出；

2b)在两种形式输出的数据集中标注信号所属的类别，从每类信号中随机抽出2400个样本作为训练样本，600个样本作为测试样本；

3)构建RNN-DenseNet网络：

3a)设置RNN网络参数：

选用循环神经网络RNN中的长短时记忆网络LSTM构建RNN-DenseNet网络，即将LSTM网络中的网络元胞个数设置为2，将遗忘参数设置为1，将LSTM网络的损失函数设置为对数损失函数，使用AdamOptimizer算法来控制学习率，使用指数线性单元函数作为激活函数；

3b)设置DenseNet网络参数：

设DenseNet网络由3个密集块组成，相邻密集块之间依次进行1*1的卷积操作和2*2的平均池化操作，并将该DenseNet网络的增长率设置为32；

3c)将RNN网络和DenseNet网络的最后一层特征进行融合，并将softmax分类器作为网络的输出层；

4)训练RNN-DenseNet网络：

4a)设置RNN-DenseNet网络的迭代次数为3000，学习率设置为0.01；

4b)将信号序列的训练样本数据输入至3a)设置好的LSTM网络中，将信号时频图的训练样本数据输入3b)设置好的DenseNet网络中，当迭代次数达到3000时，结束训练，得到训练好的网络模型；

5)将测试集的数据输入到训练好的RNN-DenseNet网络中，输出每个测试信号的预测类别。

2.根据权利要求1所述的方法，其特征在于，1)中7种不同的雷达信号，其参数设置如下：

所述7种雷达信号的采样频率均设置为2GHz,采样点数均设置为512个；

常规脉冲信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号这5种雷达信号的载频设置为150MHz；

二相编码信号采用13位巴克码；

四相编码信号信号采用16位弗兰克码；

二频编码信号的两个载频分别设置为200MHz和400MHz,且采用13位巴克码；

四频编码信号的四个载频分别设置为100MHz、300MHz、500MHz和700MHz。

3.根据权利要求1所述的方法，其特征在于3a)中的LSTM网络元胞，表示如下：

h_t＝σ(W_o·[h_t-1,x_t]+b_o)*tanh(f_t*C_t-1+R_t)

式中，t代表时间，h_t为t时刻LSTM网络元胞的输出，σ为Sigmoid激活函数，W_O表示输出门的权重，h_t-1表示上一个元胞的输出，x_t表示t时刻LSTM网络元胞的输入，b_o表示输出门的偏置，f_t表示t时刻LSTM网络元胞中遗忘门的输出，C_t-1表示t-1时刻的元胞状态，R_t表示t时刻LSTM网络元胞中记忆门的输出，tanh表示做双曲正切运算。

4.根据权利要求1所述的方法，其特征在于3a)中的指数线性单元函数，表示如下：

式中，x表示输入值，α是一个常系数，f(x)表示指数线性单元函数的输出。