[发明专利]基于谱图融合和注意力机制的LPI雷达信号识别方法

权利要求书

1.一种基于谱图融合和注意力机制的LPI雷达信号识别方法，其特征在于，包括如下步骤：

S1、构建数据集，所述数据集包括时频图、频谱图和相谱图；

S2、数据集预处理

S2-1、划分训练集、测试集；

S2-2、中值滤波预处理；

S3、训练网络模型

S3-1、通过CNN提取特征图像，输出具有多尺度的特征图像，并进行通道融合操作，得到多通道具备时频图、频谱图和相谱图融合的通道融合特征；

S3-2、将多通道的三谱图融合的数据特征进行通道注意力机制层，进而将通过通道注意力机制层的输出特征进行线性层映射，得到低维特征，通过softmax层来计算损失误差，然后训练网络参数，通过不断减小误差从而调整网络模型参数，训练得到最佳的网络模型；

S4、SVM分类

去掉前面网络的softmax层，将低维特征送入SVM分类网络，利用SVM分类网络；

S5、输出分类结果。

2.根据权利要求1所述的基于谱图融合和注意力机制的LPI雷达信号识别方法，其特征在于，所述步骤S1中，通过MATLAB仿真生成12种不同的LPI雷达信号，所述LPI雷达信号包括COSTAS、LFM、Frank、BPSK、P1码、P2码、P3码、P4码、T1码、T2码、T3码和T4码，对所述LPI雷达信号采取Choi-Williams分布时频处理得到对应的时频图数据集；对所述LPI雷达信号采取傅里叶变换得到对应的频谱图数据集和相谱图数据集。

3.根据权利要求2所述的基于谱图融合和注意力机制的LPI雷达信号识别方法，其特征在于，所述步骤S1中，通过MATLAB仿真生成12种不同的LPI雷达信号的方法为：提取同相分量I路和正交分量Q路，将I路、Q路数据分别保存为长度为N的采样信号，N的范围为600到1200。

4.根据权利要求2或3所述的基于谱图融合和注意力机制的LPI雷达信号识别方法，其特征在于，所述步骤S2-1中，使用图像切割技术，获得的图像尺寸大小设定为256*256，仿真过程中加入高斯白噪声，LPI雷达信号信噪比为-10db至10db，2db为间隔，每个信噪比情况下每个LPI雷达信号生成样本数为1000个，单个所述样本包括时频图、频谱图、相谱图三个数据，所述训练集和测试集按照样本数7：3的比例划分，并将数据和标签对应随机打乱，将训练集记为D＝{(x_i,y_k)}_{i∈[1,n],k∈[1,c]}，其中x_i表示第i个样本，y_k表示样本属于第k类，一共采集了c类目标，n表示样本总数。

5.根据权利要求4所述的基于谱图融合和注意力机制的LPI雷达信号识别方法，其特征在于，所述步骤S2-2中，所有所述样本采用中值滤波的预处理方法，利用窗口大小设置为3*3，对图像进行扫描，经过排序处理得到中值，并将该中值定为这个点的最终值，对图像的边界采取填充0的做法，一个图像大小为[m，k]大小的，经过填充后大小变为[m+2k，n+2k]，其中2k+1为窗口大小，经过中值滤波处理，得到预处理后的图像。