[发明专利]一种基于卷积神经网络的未知信号辐射源识别方法

权利要求书

1.一种基于卷积神经网络的未知信号辐射源识别方法，其特征在于，包括以下步骤：

S1、利用已知信号辐射源数据训练卷积神经网络模型；

S2、将已知信号辐射源数据输入步骤S1训练后的卷积神经网络模型，提取神经网络末端层的高维度向量；

S3、对步骤S2提取的高维度向量进行PCA降维得到对应的低维度向量；具体包括以下分步骤：

S31、对步骤S2提取的高维度向量进行去中心化处理；

S32、计算高维度向量中每一列元素的协方差矩阵；

S33、计算每个元素的协方差矩阵的特征值和特征向量；

S34、将特征值按大小进行排序，选取其中较大的k个特征向量组成特征向量矩阵；

S35、根据特征向量矩阵和步骤S5提取的高维度向量计算得到已知信号辐射源对应的低维度向量；

S4、计算步骤S3得到的已知信号辐射源对应低维度向量中心；

S5、将待测信号辐射源数据输入步骤S1训练后的卷积神经网络模型，提取神经网络末端层的高维度向量；

S6、对步骤S5提取的高维度向量进行PCA降维得到对应的低维度向量；

S7、计算步骤S6得到的待测信号辐射源对应低维度向量与步骤S4得到的已知信号辐射源对应低维度向量中心之间的欧式距离；

S8、根据步骤S7计算的欧式距离对待测信号辐射源进行判决。

2.根据权利要求1所述的基于卷积神经网络的未知信号辐射源识别方法，其特征在于，所述提取神经网络末端层的高维度向量具体为：

提取神经网络最后一层全连接层的高维度向量，所述高维度向量中的第i行表示第i个信号样本经过神经网络后在全连接层处的高维向量，第j列表示待降维的第j个特征。

3.根据权利要求2所述的基于卷积神经网络的未知信号辐射源识别方法，其特征在于，所述步骤S4具体为：

S41、从步骤S3得到的已知信号辐射源对应低维度向量中提取每个已知信号辐射源对应的低维矩阵；

S42、分别计算低维矩阵中每行元素的平均值，得到已知信号辐射源对应的低维度向量中心。

4.根据权利要求3所述的基于卷积神经网络的未知信号辐射源识别方法，其特征在于，所述步骤S6具体为：

根据步骤S34得到的特征向量矩阵和步骤S5提取的高维度向量计算得到待测信号辐射源对应的低维度向量。

5.根据权利要求4所述的基于卷积神经网络的未知信号辐射源识别方法，其特征在于，所述步骤S7具体为：

分别计算步骤S6得到的待测信号辐射源对应低维度向量与步骤S4得到的每个已知信号辐射源对应低维度向量中心之间的欧式距离。

6.根据权利要求5所述的基于卷积神经网络的未知信号辐射源识别方法，其特征在于，所述步骤S8具体为：

根据步骤S7计算的待测信号辐射源对应低维度向量与每个已知信号辐射源对应低维度向量中心之间的欧式距离，判断所有欧式距离是否大于设定的距离门限值；若是，则判决该待测信号辐射源为未知信号辐射源；否则判决待测信号辐射源为已知信号辐射源。