[发明专利]基于深度卷积神经网络集成的雷达干扰信号识别方法

权利要求书

1.基于深度卷积神经网络集成的雷达干扰信号识别方法，其特征在于，该方法包括以下步骤：

步骤一、将雷达干扰信号时域数据集划分为训练集、验证集以及测试集三部分；

训练集记为X，训练样本个数记为m；

步骤二、对训练集X做有放回的随机采样T次，获得T个相互独立的采样训练集X₁,X₂,...,X_T；每个采样训练集中的采样训练样本个数为m'；

步骤三、采用一维CNN卷积神经网络作为特征提取器、采用支持向量机作为分类器来构造个体学习器，根据步骤二的T个采样训练集来训练T个个体学习器以构造同质集成，构建模型；

步骤四、将待测雷达干扰信号输入至步骤三的模型中进行识别。

2.根据权利要求1所述基于深度卷积神经网络集成的雷达干扰信号识别方法，其特征在于，步骤一中雷达干扰信号时域数据集划分的过程为：

步骤一一、对原始雷达数据进行标记形成雷达干扰信号时域数据集：将每个样本存储在一个向量中，向量的前50％标记为样本的实部数据，后50％标记为样本的虚部数据；

步骤一二、将雷达干扰信号时域数据集随机划分为互不相交的三个集合，分别为训练集、验证集和测试集。

3.根据权利要求2所述基于深度卷积神经网络集成的雷达干扰信号识别方法，其特征在于，原始雷达数据的种类为12种，每类数据均按3:1:1的比例划分至训练集、验证集和测试集中。

4.根据权利要求1所述基于深度卷积神经网络集成的雷达干扰信号识别方法，其特征在于，步骤四的识别过程为：

待测雷达干扰信号并行输入至T个训练好的一维CNN卷积神经网络进行特征提取，每个特征对应输入至一个训练好的支持向量机中进行识别，T个个体学习器共输出T个结果，根据相对多数投票法将票数最多的结果作为模型最终识别结果。

5.根据权利要求1所述基于深度卷积神经网络集成的雷达干扰信号识别方法，其特征在于，采样训练集中采样训练样本个数m'与训练集中训练样本个数m相等。