[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

说明书

本发明公开一种面向电磁大数据的未知雷达辐射源智能识别方法，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；S5、实现全局的数据共享。本发明依靠海量的数据以及大数据计算集群强大的算力将分类问题转变为检索问题，来解决复杂电磁环境下未知雷达辐射源识别的问题。

技术领域

本发明涉及雷达信号处理技术领域，尤其是涉及一种面向电磁大数据的未知雷达辐射源智能识别方法。

背景技术

雷达辐射源识别(radar emitter recognition,RER)是雷达对抗侦察中的关键环节，它是在分选的基础上提取雷达辐射源信号中的特征参数和工作参数，在这些参数的基础上可获取该目标辐射源的体制、用途、型号、载体平台等信息，进而能够对战场态势、威胁等级、活动规律和战术意图等进行推理，为己方决策提供重要情报支持。

目前，在雷达辐射源识别领域中，人工智能的相关理论方法已经得到了广泛的应用，且能够取得很好的效果，但随着电子信息技术的发展，将会出现越来越多的未知辐射源，其特征分布与类别都是未知的，在缺少先验知识的情况下，难以对人工智能模型进行充分的训练，因而使得现有的大多数方法都无法很好地完成对未知雷达辐射源的识别。故未知雷达辐射源识别问题是目前雷达辐射源识别领域最困难、也是最急需解决的问题。

针对未知雷达辐射源识别的问题，研究者们主要采用了迁移学习、在线学习等方法来应对。陆鑫伟等深入研究了领域匹配迁移学习理论，设计了基于迁移成分分析改进的神经网络分类器，通过迁移不同领域的数据辅助训练分类器，减小了系统的识别误差。李蒙等将迁移学习理论引入识别系统，提出一种基于迁移成分分析的雷达辐射源识别方法，通过设置统一的核函数将不同样本集映射到同一隐藏空间，在隐藏空间对支持向量机进行训练并对测试样本进行识别。田昊等为了满足雷达辐射源识别系统实时处理数据的需求，研究了多种在线学习算法。

但上述解决方案都属于是对传统的机器学习范式进行修正，能够取得一定的效果，但没有从本质上直接解决未知雷达辐射源识别这个问题。

本发明针对传统机器学习范式的不足，企图依靠海量的数据以及大数据计算集群强大的算力将分类问题转变为检索问题，来解决复杂电磁环境下未知雷达辐射源识别的问题。

发明内容

为解决上述问题，本发明的目的是提供一种面向电磁大数据的未知雷达辐射源智能识别方法，其以“检索”代替“分类”来完成未知雷达辐射源的识别任务。

为实现上述发明目的，本发明采用如下技术方案：

一种面向电磁大数据的未知雷达辐射源智能识别方法，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)；