[发明专利]一种雷达辐射源个体识别方法及系统

说明书

本发明公开了一种雷达辐射源个体识别方法及系统，包括，获取雷达辐射源信号，构建训练集及测试集；获取训练集中每个雷达辐射源信号的模糊函数分块特征，构建对应的高斯核矩阵；计算训练集中每个雷达辐射源信号的模糊函数分块特征的核判别比值，并对核判别比值排序，保留训练集中核判别比值排序靠前的模糊函数分块特征及其对应的高斯核矩阵；构建训练集组合高斯核矩阵，对高斯核支持向量机进行训练；将测试集作为训练好的高斯核支持向量机的输入，输出得到测试集中每个雷达辐射源信号的分类识别结果；本发明考虑了整个模糊函数平面的有用信息，有效提升个体识别的性能；能够有效避免冗余信息对识别性能的影响，缩短个体识别时间，识别精度较高。

技术领域

本发明属于雷达辐射源个体识别技术领域，特别涉及一种雷达辐射源个体识别方法及系统。

背景技术

雷达辐射源个体识别是电子对抗领域的研究热点，其通过对所截获的雷达信号进行外部特征测量以获取个体特征或指纹特征，继而根据情报库实现对感兴趣雷达个体的唯一辨识，在电子情报、电子支援措施等领域有重要应用。

较之调制类型识别，个体识别的挑战在于：当辐射源具有相同类型和参数时，如同一流水线生产的同型号、同批次的不同雷达，仍能被正确区分；截至目前，脉内无意调制特征分析法一直是雷达辐射源个体识别的研究重点，研究人员相继提出了各种时域、频域和时频域特征，如包络、双谱、循环谱零频切片、短时傅里叶变换和模糊函数等特征。其中，模糊函数特征备受关注，它是信号自相关函数关于时间的傅里叶反变换，在时延和多普勒频偏二维平面上对信号进行描述，能够反映信号的内在结构；根据模糊函数图的能量分布情况，研究人员提出了模糊函数零频偏切片特征和代表性频偏切片特征，后者的识别性能大大优于前者，但是频偏位置需通过搜索法获得，并且依赖于具体数据，不便于工程实用。

此外，零频偏切片和代表性频偏切片都仅考虑了某一具体频偏位置处信号的模糊函数一维表征，忽略了整个二维平面上的大量信息。为此，基于多核学习，研究人员对模糊函数若干个近零频偏切片特征进行融合，取得了更优的识别性能。多核学习是机器学习的重要分支之一，当每个核矩阵对应于不同的特征表示时，多核学习便成为一种非常有效的融合工具，基本步骤是：首先针对样本的每种特征表示分别构建核函数或核矩阵(统称为基核)，然后依据特定准则学习这些基核的最优组合系数或权重，最后使用组合核完成模式分析任务。

然而，现有方法仅对模糊函数的零频偏切片特征及少数几个靠近零频偏的切片特征进行融合，忽略了模糊函数图中远离零频偏切片的信息。事实上，当辐射源信号为简单的单频信号时，在以2倍载频为中心的高频偏处还呈现两簇幅度较小且对称的能量分布，其具有一定的判别力；当辐射源信号为更复杂的信号时，整个模糊函数平面都分布着判别信息。因此，为了充分挖掘和利用整个模糊函数平面的有用信息以进一步提升识别性能，有必要研究一种基于模糊函数分块特征融合的雷达辐射源个体识别方法。

发明内容

针对现有技术中存在的技术问题，本发明提供了一种雷达辐射源个体识别方法及系统，以解决现有方法仅对模糊函数的零频偏切片特征及少数几个靠近零频偏的切片特征进行融合，忽略了模糊函数图中远离零频偏切片的信息的技术问题。

为达到上述目的，本发明采用的技术方案为：

本发明提供了一种雷达辐射源个体识别方法，包括以下步骤：

获取雷达辐射源信号，构建训练集及测试集；

获取训练集中每个雷达辐射源信号的模糊函数图，并分别进行条纹状分块，得到训练集中每个雷达辐射源信号的模糊函数分块特征；

对训练集中每个雷达辐射源信号的模糊函数分块特征构建对应的高斯核矩阵；

计算训练集中每个雷达辐射源信号的模糊函数分块特征的核判别比值，并对核判别比值按从大到小进行排序，保留训练集中核判别比值排序靠前的模糊函数分块特征及其对应的高斯核矩阵；