[发明专利]一种小样本情景下的辐射源个体识别方法

权利要求书

1.一种小样本情景下的辐射源个体识别方法，其特征在于，包括步骤：

训练步骤：将基于不同时频分析方法下提取到的辐射信号时频特征分别输入进对应的神经网络中进行二次特征提取训练；待各神经网络收敛后，输出二次提取特征进行融合；对融合后的特征进行基于注意力机制的优化，为特征设置不同的权重；将融合后的二次提取特征作为辐射源个体间的指纹特征输入至辐射源个体识别网络进行训练；采用随机搜索的方法对辐射源个体识别网络的训练过程进行超参数调优，完成辐射源个体识别网络的训练；

识别步骤：将待进行辐射源个体识别的时频特征输入至训练完成的辐射源个体识别网络，辐射源个体识别网络输出识别结果。

2.如权利要求1所述方法，其特征在于，时频分析方法包括短时傅里叶变换STFT、连续小波变换CWT、魏格纳-威利分布WVD和希尔伯特黄变换HHT。

3.如权利要求1所述方法，其特征在于，辐射源个体识别网络采用全连接神经网络的形式；

超参数调优的过程为：对全连接神经网络常用超参数设置搜索空间，然后对超参数进行随机搜索，确定超参数具体取值组合后再进行全连接神经网络的训练，保存该次训练结果，随后进行下一次超参数搜索，循环此流程以寻找最优辐射源个体识别网络模型。

4.如权利要求3所述方法，其特征在于，全连接神经网络常用超参数包括批次大小、学习率、神经元随机失活率、优化器选择、隐藏层大小和全连接层层数。

5.如权利要求4所述方法，其特征在于，隐藏层大小包括、隐藏层层数、隐藏层神经元数目；神经元随机失活率包括输入层的神经元随机失活率、隐藏层的神经元随机失活率和网络最后一层神经元随机失活率。

6.如权利要求1所述方法，其特征在于，在提取辐射信号时频特征之前还包括步骤：对采集到的辐射源原始信号中频数据进行数据预处理。

7.如权利要求6所述方法，其特征在于，数据预处理的具体过程如下：

对辐射源原始信号的时域中频数据进行滤波；

对滤波后的信号进行能量检测，提取出有效的信号中频数据；

对能量检测后的信号进行归一化处理。

8.如权利要求1所述方法，其特征在于，对二次提取特征进行融合的具体方式为：在不同通道上拼接二次提取特征得到融合后的二次提取特征。

9.如权利要求1所述方法，其特征在于，对融合后的二次提取特征优化的具体方式及步骤为：

对融合后的特征进行基于通道注意力的权重约束；

对经过基于通道注意力约束的融合后特征进行基于空间注意力的权重约束。