[发明专利]一种基于双向嵌入特征的半监督信号分析方法

权利要求书

1.一种基于双向嵌入特征的半监督信号分析方法，其特征在于：

步骤1：对有标记样本进行特征提取处理，人工分析原始侦测数据文件：通过可视化方法，对原始侦测数据的参数进行同步显示，所述参数包括频率、脉宽、幅度、时间、方位；在此基础上对原始侦测数据进行挑选，辅助人工发现原始侦测数据序列之间的关联关系；

步骤2：对于标记样本，用步骤1中获取的频率、脉宽、幅度、时间、方位特征作为标记样本特征，同原始侦测数据序列一起建立标准样本文件，存入大数据雷达信号标准样本文件数据库；

步骤3：对于步骤2中获取的已标记样本特征，通过预测结果反向训练深度神经网络，再利用训练好的深度神经网络计算获得各个未标记样本的雷达信号高维展开特征向量；

步骤4：利用步骤3中获取的无标记样本的雷达信号双向嵌入特征向量，使用无监督学习方法SVDD训练雷达信号分类集成模型；

步骤5：对于新采集的雷达信号人工标记样本，运用在线学习方式继续训练增量学习模型，修正已有的雷达信号分类集成模型，提高现有模型的识别能力。

2.根据权利要求1所述的基于双向嵌入特征的半监督信号分析方法，其特征在于：所述双向嵌入特征向量的目标函数定义如下：

g(x,{x⁽ⁱ⁾}_i)＝σ(w*x+∑_i(w⁽ⁱ⁾*xⁱ+b)；

其中x是原输入向量，x⁽ⁱ⁾是x前后长度为i的区域的序列值，{x⁽ⁱ⁾}_i表示长度为i的区域，以x为中心左右滑动个步长；w为当前向量对应神经网络的权重，w⁽ⁱ⁾为embedding层神经元对应前后长度为i的区域的神经元权重。