[发明专利]一种空中辐射源个体识别方法、系统及应用

权利要求书

1.一种空中辐射源个体识别方法，其特征在于，所述空中辐射源个体识别方法包括：

对接收的辐射源信号进行下变频预处理；

对预处理后的信号求崔威廉斯分布、模糊函数和双谱，得到辐射源信号的三种特征；

将训练集信号的三种特征分别从三个通道输入可变形卷积网络中训练网络；

将测试集信号的特征输入训练好的可变形卷积网络，实现空中辐射源的个体识别；

所述将训练集信号的三种特征分别从三个通道输入可变形卷积网络中训练网络具体包括：

可变形卷积网络中采用可变形卷积层，具体包括：可变形卷积层在传统卷积的采样位置中添加了二维偏移量，在卷积操作时，创建一个额外的卷积层用来对卷积核偏移量进行建模，在输入特征图上使用常规卷积核进行采样，对于输出特征映射图y上，每个p₀位置的值为：

F＝{(-1,-1),(-1,0),...,(0,1),(1,1)}；

其中，F表示卷积核可采样的感受野，w_i为p_i位置处的加权值，y(p)和x(p)是指在p处的特征值，p_i是常规卷积核的预设偏移量，加入新的偏移量Δp_i后，每个p₀位置的值表示为：

卷积核的采样位置就变为到了不规则的偏移位置p_i+Δp_i处了，由于偏移量Δp_i为小数，需要利用双线性插值法：

其中，p＝p₀+p_n+Δp_n表示任意小数位置，q遍历了输入特征图x中的所有位置，G(·,·)是二维的双线性插值内核，由两个一维空间内核组成：

G(q,p)＝g(q_x,p_x)·(q_y,p_y)；

其中，g(a,b)＝max(0,1-|a-b|)；

可变形卷积网络中采用深度可分离卷积结构，具体包括：

分组卷积：每个通道只会被一个卷积核卷积，每一个卷积核只负责一个通道，相当于对每一个通道的数据单独收集特征，对于H×W×C的输入，其中H和W分别为特征图的长和宽，C为通道数，将其分成C组，每组包含一个通道的数据，然后对每一组都做K×K的二维卷积，卷积核的数量与通道数相同；

逐点卷积：将每个通道相同位置处的信息混合，对于H×W×C的输入，做H×W个1×1×C的三维卷积，对输入特征图上每个位置在深度方向进行加权，有多少卷积核就产生多少个输出特征映射图。

2.如权利要求1所述的空中辐射源个体识别方法，其特征在于，所述对接收的辐射源信号进行下变频预处理具体包括；

辐射源信号表达式如下：

其中，f₀是载波频率，是初始相位，通常情况下设初始相位为0，T_b为符号宽度，r(t)为调相系数。

3.如权利要求1所述的空中辐射源个体识别方法，其特征在于，所述对预处理后的信号求崔威廉斯分布、模糊函数和双谱，得到辐射源信号的三种特征具体包括；

对辐射源信号s(t)求崔威廉斯分布，表达式如下：

其中，τ为时延，σ为常数，可以通过调节σ的大小调节交叉干扰项的抑制程度。

4.如权利要求3所述的空中辐射源个体识别方法，其特征在于，

对目标空中辐射源信号s(t)求模糊函数，表达式如下：

其中，τ为时延，ξ多普勒频移。

5.如权利要求1所述的空中辐射源个体识别方法，其特征在于，对辐射源信号s(t)求双谱，表达式如下：

其中，τ是时延。

6.一种智能终端，其特征在于，所述智能终端用于实现权利要求1～5任意一项所述的空中辐射源个体识别方法；所述智能终端包括：电子情报终端、电子支援终端、认知无线电终端以及无线网络安全终端。