[发明专利]一种基于卷积神经网络的宽频带电磁干扰源识别方法

说明书

本发明属于干扰源识别技术领域，具体的说是涉及一种基于卷积神经网络的宽频带电磁干扰源识别方法。本发明基于特定环境下常见电磁干扰源的频谱信号，使用相关运算对原始信号进行降噪处理，利用新构建的卷积神经网络提取频谱信号的深度特征，基于类内与类间的相对距离Softmax损失函数，对深度特征进行分类。利用训练数据集更新网络参数，训练得到网络，利用训练好的网络对待检测目标进行识别，得到识别结果。此方法能够快速准确的识别特定电磁环境下的电磁干扰源类型。

技术领域

本发明属于干扰源识别技术领域，具体的说是涉及一种基于卷积神经网络的宽频带电磁干扰源识别方法。

背景技术

随着无线电技术的广泛应用，出现了多种类型的宽频带辐射源，对电磁干扰源的排查造成困难。目前传统的宽频带电磁干扰源识别方法，首先对电磁干扰源的信号进行人工特征提取，然后通过如k-近邻分类、决策树、模板匹配，支持向量机和神经网络等模式识别方法进行分类。这类方法需要依赖人的验证和分析，人为提取特征会丢失掉某些重要的特征信息。特别地，当干扰源的干扰信号较弱时，不易提取出具有显著区别的特征量，会影响识别准确率，而且识别速度有限。公开号为CN111428561A的中国专利提供了“一种宽带电磁干扰源识别方法及系统、储存介质、设备”中提到用人工提取的特征和模板匹配方法对机场周边的宽带电磁干扰源进行识别，但是识别准确率和识别速度有待进一步提高。

发明内容

本发明的目的是提供一种基于卷积神经网络的宽频带电磁干扰源识别方法，它能自主学习干扰源信号的多种特征，通过分类层可以有效的识别电磁干扰源。

本发明的技术方案是：一种基于卷积神经网络的宽频带电磁干扰源识别方法，包括以下步骤：

S1、采集待检测电磁环境中电磁干扰源在多个频段的频谱信号，将采集的数据作为训练集X；

S2、构建电磁干扰源识别网络，包括降噪层、深度特征提取子网络和分类层；

所述降噪层是权值为背景噪声数据的全连接层，激活函数为Sigmoid函数，将数据转换为0和1之间，训练集通过降噪层后得到输出序列I：

其中，X(i)为训练集X中第i个样本，每个样本序列的长度为m；W_j为第j个背景数据，作为权值，0≤j≤k，k表示背景的个数，0≤n≤k*m，所有h_j(n)合并在一起构成h(n)；

所述深度特征提取子网络由6个一维卷积层、3个池化层、1个展平层和1个全连接层构成，其中一维卷积层对输入的序列I进行特征提取，池化层对提取的特征下采样，展平层将多个卷积核运算的结果展平，全连接层包括线性运算和非线性运算，序列I经过深度特征提取子网络后得到深度特征A；

所述分类层的损失函数为：

J＝L_Softmax+λD_re

其中