[发明专利]基于PWVD与卷积神经网络的雷达干扰信号识别方法

权利要求书

1.一种基于PWVD与卷积神经网络的雷达干扰信号识别方法，其特征在于，包括以下步骤：

S1：获取雷达回波的伪Wigner-Ville分布时频图以及雷达回波在不同干扰信号下的伪Wigner-Ville分布时频图，其中，所述干扰信号包括窄带瞄准干扰信号、宽带阻塞干扰信号、灵巧噪声干扰信号、间歇采样转发干扰信号以及多假目标干扰信号；

S2：分别对无干扰信号下以及不同干扰信号下的伪Wigner-Ville分布时频图进行预处理，得到各干扰情况下的灰度时频图；

S3：将各干扰情况下的灰度时频图作为输入，各灰度时频图对应的干扰情况作为输出，对卷积神经网络进行训练，得到雷达干扰信号识别模型；

S4：采集混合回波信号，并按照步骤S1～S2获取混合回波信号的灰度时频图，再将混合回波信号的灰度时频图输入所述雷达干扰信号识别模型，实现混合回波信号中存在的干扰信号的识别。

2.如权利要求1所述的一种基于PWVD与卷积神经网络的雷达干扰信号识别方法，其特征在于，所述伪Wigner-Ville分布时频图的获取方法为：

其中，PWVD_s(t,ω)为混合回波信号的伪Wigner-Ville分布时频图，且混合回波信号为雷达回波或者混杂有干扰信号的雷达回波，h(τ)为设定的窗函数，s(t)为混合回波信号，表示混合回波信号延迟表示混合回波信号超前e^-jωτ表示傅里叶变换中的旋转因子，*为共轭，j表示虚部，t表示时域变量，ω表示频域变量，τ表示积分变量。

3.如权利要求2所述的一种基于PWVD与卷积神经网络的雷达干扰信号识别方法，其特征在于，所述窗函数为汉宁窗。

4.如权利要求1所述的一种基于PWVD与卷积神经网络的雷达干扰信号识别方法，其特征在于，步骤S2中对无干扰信号下以及不同干扰信号下的伪Wigner-Ville分布时频图进行预处理具体为：分别将各干扰情况下的伪Wigner-Ville分布时频图作为当前PWVD分布时频图执行以下步骤：

S21：对当前PWVD分布时频图取对数，将得到的分布值最大值的5％作为噪声剔除门限，并将小于噪声剔除门限的分布值统一设置为噪声剔除门限，得到去噪后的PWVD分布时频图；

S22：对去噪后的PWVD分布时频图进行信号剔除操作，得到有效PWVD分布时频图，其中，信号剔除操作为：分别统计去噪后的PWVD分布时频图的每一行以及每一列中分布值大于噪声剔除门限的有效像素点数，剔除有效像素点数小于设定阈值的行和列；

S23：将有效PWVD分布时频图进行灰度化并缩放至设定尺寸，得到灰度时频图。

5.如权利要求1所述的一种基于PWVD与卷积神经网络的雷达干扰信号识别方法，其特征在于，所述卷积神经网络包括两层卷积层、两层池化层以及两个全连接层。