[发明专利]一种面向电磁大数据的未知雷达辐射源智能识别方法

权利要求书

1.一种面向电磁大数据的未知雷达辐射源智能识别方法，其特征是：其包括以下步骤：

S1、测量计算得到新出现的雷达辐射源所有脉冲的常规特征参数；

S2、对雷达辐射源所有脉冲的常规特征参数进行特征表示与提取；

S3、构建海量背景信号数据分布式存储系统；

S4、完成未知雷达辐射源的快速比对检索识别，操作方法为：

步骤4.1、为了能够准确地计算雷达辐射源之间的相似度，同时捕捉辐射源信号内的波动变化特性，采用一种基于互信息的雷达辐射源相似度计算方法，使用信息论中的互信息来代替传统的欧式距离对雷达辐射源之间的相似度进行计算，针对两个n维的雷达辐射源信号深层特征向量X＝(x₁,x₂,…,x_n)和Y＝(y₁,y₂,…,y_n)，计算得到两个辐射源之间的相似度XSD(X,Y)；步骤为：

步骤4.1.1、针对两个n维的雷达辐射源信号深层特征向量X＝(x₁,x₂,…,x_n)和Y＝(y₁,y₂,…,y_n)，求两个深层特征向量X和Y之间的互信息值I(X；Y)；

其中，p(x_i)为X的概率密度函数，p(y_j)为Y的概率密度函数；

步骤4.1.2、求互信息值I(X；Y)的对称不确定性值；

其中，p(x_i)为X的概率密度函数，p(y_j)为Y的概率密度函数；

步骤4.1.3、计算得到两个辐射源之间的相似度XSD(X,Y)；

XSD(X；Y)＝1-SU(X；Y)；

步骤4.2、通过将互信息MI与K最近邻KNN算法相结合，提出MI-KNN算法实现未知雷达辐射源的检索识别，同时能够进行辐射源威胁等级的判定；已知海量辐射源信号深层特征数据集K＝(K₀,K₁,…,K_m)及其对应的威胁等级标签T＝(T₀,T₁,…,T_m)，针对一个未知的待分类的辐射源信号深层特征数据X，能够得到X的具体类别及其威胁等级T′；步骤为：

步骤4.2.1、计算待分类的辐射源信号深层特征数据X与数据集K中所有样本数据的对称不确定性——相似度；

步骤4.2.2、按照计算得到的相似度对所有样本进行排序，若存在超过设定的相似度阈值的样本，即完成未知雷达辐射源的检索识别；若所有样本都未超过设定的相似度阈值，则直接将X加入深层特征数据集K中；

步骤4.2.3、完成检索识别后，取出与X最相似的k个样本，计算k个样本的威胁等级比例，所占比例最高的威胁等级即作为X的威胁等级判定结果；

步骤4.3、对MI-KNN算法进行并行化，使用基于Flink的未知雷达辐射源快速比对检索识别算法完成未知雷达辐射源的识别；

S5、实现全局的数据共享；具体操作方法为：

步骤5.1、将云存储服务器通过网线与大数据计算集群相连接；

步骤5.2、将未知雷达辐射源识别结果信息定时上传至云存储服务器中。

2.根据权利要求1所述的面向电磁大数据的未知雷达辐射源智能识别方法，其特征是：其步骤S1，具体操作方法为：

步骤1.1、使用超外差侦察接收机接收雷达辐射源信号；

步骤1.2、对雷达辐射源信号进行参数测量与分选；

步骤1.3、得到新出现的雷达辐射源所有脉冲的脉冲载频CF、脉冲宽度PW、脉冲重复间隔PRI、脉冲幅度PA、脉冲的到达角AOA。