[发明专利]基于双分支网络和特征融合的雷达欺骗干扰识别方法

权利要求书

1.基于双分支网络和特征融合的雷达欺骗干扰识别方法，其特征在于，包括以下步骤：

S1、对接受到的真目标回波信号和雷达欺骗干扰信号经过Wigner-Ville时频分析、灰度处理得到雷达接收信号的时频图和时相图；

S2、将所得到的时频图样本输入至预训练好的双分支网络的上分支网络进行特征提取；

S3、将所得到的时相图样本输入至预训练好的双分支网络的下分支网络进行特征提取；

S4、利用高斯判别相关分析算法对所述双分支网络提取到的特征矩阵进行特征融合；

S5、将融合后的特征输入到分类器中完成欺骗干扰信号的识别。

2.根据权利要求1所述基于双分支网络和特征融合的欺骗干扰识别方法，其特征在于，步骤S1，对接受到的真目标回波信号和雷达欺骗干扰信号经过Wigner-Ville时频分析得到雷达接收信号的时频图矩阵Z₁(t,f)和时相图矩阵Z₂(t,p)；再将得到的时频图矩阵和时相图矩阵进行灰度处理得到灰度矩阵G₁和G₂。

3.根据权利要求2所述基于双分支网络和特征融合的欺骗干扰识别方法，其特征在于，

对接收到的雷达信号脉冲信号s(t)进行Wigner-Ville时频分析得到所述的时频图矩阵Z₁(t,f)和时相图矩阵Z₂(t,p)；信号s(t)的时频图矩阵可以表示为：

其中，*表示复共轭，是局部相关函数，τ是时滞。

4.根据权利要求3所述基于双分支网络和特征融合的欺骗干扰识别方法，其特征在于，

步骤S1中，还包括对得到的灰度矩阵G₁和G₂进行归一化操作，得到雷达接收信号的灰度矩阵V₁和V₂。

5.根据权利要求4所述基于双分支网络和特征融合的欺骗干扰识别方法，其特征在于，步骤S2，为将所得到的时频灰度矩阵V₁输入至预训练的双分支网络的上分支AlexNet网络中进行特征提取，通过调节网络参数，得到时频特征矩阵X。

6.根据权利要求5所述基于双分支网络和特征融合的欺骗干扰识别方法，其特征在于，步骤S3，为将所得到的时相灰度矩阵V₂输入至预训练的双分支网络的下分支LeNet-5网络中进行特征提取，通过调节网络参数，得到时相特征矩阵Y。

7.根据权利要求6所述基于双分支网络和特征融合的欺骗干扰识别方法，其特征在于，步骤S4中，将所得到的时频和时相特征矩阵利用GDCA算法进行特征融合得到融合后的特征矩阵Τ。

8.根据权利要求7所述基于双分支网络和特征融合的欺骗干扰识别方法，其特征在于，

所述的GDCA算法对于类间散度矩阵的定义为：

式中，Φ_bx＝[θ₁,θ₂,…,θ_c]，σ为高斯核函数的标准差。