[发明专利]雷达干扰多域特征对抗学习与检测识别方法

权利要求书

1.一种雷达干扰多域特征对抗学习与检测识别方法，其特征在于，利用时频分析处理，获取原始雷达信号的二维时频域特征；利用生成对抗网络GAN，获取生成图像并筛选生成图像以扩充数据集；利用生成对抗网络GAN，计算雷达信号有无干扰和有源干扰类型的概率，包括有如下步骤：

(1)收集无干扰和带干扰的雷达信号：收集或仿真一定数量的无干扰和带各类型干扰的雷达信号，作为训练GAN网络所需数据集的基础数据；

(2)通过时频分析处理获取时频图数据集：对收集的雷达信号进行短时傅里叶变换、取模、对数变换、移动零频点和着色处理得到无干扰和带干扰的雷达信号的时频图数据集；通过时频分析处理获取时频图数据集，包括由如下步骤：

(2.1)对雷达信号进行短时傅里叶变换：对雷达信号的每一个回波进行短时傅里叶变换，获取雷达信号的二维时频域特征，存储为二维时频数据y(m,n)，短时傅里叶变换公式为：

其中，x(n)表示雷达信号，n为雷达信号的长度，m为短时傅里叶变换的长度，w(k)表示窗函数，k为窗函数的长度，使用的窗函数是Hamming窗，窗函数长度为i的Hamming窗的计算公式如下式所示：

w(k)＝0.54-0.46cos(2πk/(i-1)),k＝0,1,...,i-1

(2.2)对二维时频数据取模值：二维时频数据为复数据，不利于存储为图片；对雷达信号的二维时频数据进行取模，求取y(m,n)中每个元素的模值，获取时频域图像

其中，||·||₂表示求复数的二范数；

(2.3)对时频域图像进行对数变换：对时频域图像进行对数变换的预处理，增强成像效果得到增强时频域图像F(m,n)；

(2.4)移动零频点：将增强时频域图像F(m,n)的零频点移动到频谱中间，获得移动零频点后的图像

其中，fftshift(Q)表示将时频图像Q的[fs/2,fs]部分移动到[-fs/2,0]的范围内，fs表示时频图像Q的最高频率；

(2.5)对时频域图像进行着色处理：对移动零频点后的图像进行成像，使用专用的时频图成像方法对进行着色处理，获取最终的时频图数据集；

(3)对无干扰和带干扰的时频图数据集进行样本标注，并划分训练集和验证集：基于任务需要，对收集或仿真的复杂雷达信号进行分类，首先将收集或仿真的雷达信号分为有干扰信号和无干扰信号；然后将有干扰雷达信号再细分为4种常见的有源干扰样式的雷达信号，对于已分类的无干扰信号以及4种有源干扰信号进行样本标注；最后在每一类信号中设置一定的比例分为训练集数据和验证集数据，将所有的训练集数据进行整合形成训练集，将所有验证集数据进行整合形成验证集；

(4)构建生成对抗网络GAN的生成器：以经典生成对抗网络GAN的生成器为基础，构建适应数据集图片尺寸的生成器；构建的生成器中包括一个全连接层，以及与全连接层相连接的多个串联的转置卷积层，该转置卷积层是由转置卷积、归一化和激活三种运算依次进行的；

(5)构建生成对抗网络GAN的判别器，组成生成对抗网络GAN：以经典生成对抗网络GAN的判别器为基础，构建适应数据集图片尺寸的判别器；判别器的结构包括多个串联的卷积层，以及与最后一个卷积层连接的全连接层和与全连接层连接的分类层，其中的卷积层是由卷积、激活和归一化三种运算依次进行的；生成对抗网络GAN的生成器和判别器之间进行数据交互组成了生成对抗网络GAN；

(6)利用时频图数据集对GAN网络进行训练，并生成大量生成图像：基于已构建的生成对抗网络GAN，首先，分别构建GAN网络生成器的损失函数和判别器的损失函数，对生成器和判别器的性能进行定量描述；然后构建网络的训练目标函数作为网络训练的优化方向；最后基于上述函数对GAN网络生成器和判别器进行训练，并利用纳什均衡状态判定方法得到最优的GAN网络；通过最优GAN网络的生成器生成大量的生成图像；

(7)对生成的生成图像进行筛选，用以扩充数据集并进行再训练：首先利用生成对抗网络GAN的生成器产生大量的生成图像，针对生成图像的质量参差不齐利用数据多样性评估进行筛选，然后再利用KL距离方法进行筛选，获取与真实数据具有相似特征的生成图像；然后将这类生成图像加入训练集中；最后对生成对抗网络GAN进行再训练，获取最终的训练权重和GAN网络；

(8)利用GAN网络计算无干扰和有源干扰类型的概率：将验证集中雷达信号某个回波的时频图，即雷达信号根据步骤(2)中时频分析处理的过程进行时频分析处理得到的某个回波的时频图输入到训练好的GAN网络中，即可获得该回波不存在干扰的概率，以及存在各类型有源干扰的概率；

(9)获取检测结果：利用多分类法判断是否存在干扰以及存在干扰时有源干扰的类型，如果输出概率结果中概率最大的类型为无干扰类型，则认定该回波不存在干扰；否则，认定该雷达信号的回波存在干扰，并取计算出的有源干扰类型概率中最大的概率值，其对应的有源干扰类型认定为该回波存在的有源干扰类型；结束检测识别，将是否存在干扰的判断结果和存在干扰时有源干扰的类型输出，完成检测识别。