[发明专利]基于CWD和改进型AlexNet的雷达有源干扰识别方法

权利要求书

1.一种基于CWD和改进型AlexNet的雷达有源干扰识别方法，用于识别通讯信号中的雷达有源干扰信号；其特征在于，该方法包括如下步骤：

S1、对不同种类的雷达有源干扰信号进行建模，并对各种所述雷达有源干扰信号叠加所述通讯信号接受现场的噪声；

S2、对各种所述雷达有源干扰信号进行CWD时频分析，以生成二维CWD时频图；

S3、采用改进型AlexNet模型对各种所述雷达有源干扰信号的CWD时频图进行识别。

2.根据权利要求1所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于：所述雷达有源干扰信号包括射频噪声干扰、噪声调幅干扰、噪声调频干扰、匀速距离波门拖引干扰、速度波门拖引干扰、卷积调制干扰和间歇采样干扰中的一种或多种。

3.根据权利要求2所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于：

所述射频噪声干扰的建模函数为：

所述噪声调幅干扰的建模函数为：

所述噪声调频干扰的建模函数为：

所述匀速距离波门拖引干扰的建模函数为：

其中，

所述速度波门拖引干扰的建模函数为：

其中，

所述卷积调制干扰采用的建模函数为：

所述间歇采样干扰采用的建模函数为：

4.根据权利要求1所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于：在步骤S2中，CWD时频分析采用如下公式进行：

其中，C_x(t,ω)为时频分布结果，ω为角频率变量；σ为衰减系数；τ为时延；μ表示时间变量；符号*表示共轭。

5.根据权利要求1至4中任一项所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于，所述改进型AlexNet模型采用Swish-ReLU6激活函数，其数学模型为：

6.根据权利要求5所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于：所述改进型AlexNet模型采用Adam优化算法。

7.根据权利要求6所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于，所述Adam优化算法包括如下步骤：

首先计算动量：

然后根据RMSProp算法计算动量的累计缓存：

最后获得Adam优化算法的权重更新过程：

8.根据权利要求7所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于：所述改进型AlexNet模型的第一个卷积层卷积核大小为9×9，数量为96，步长为4。

9.根据权利要求7所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于：所述改进型AlexNet模型第二个卷积层由两个3×3的卷积核组成，两个卷积核数量为256，步长均为1。

10.根据权利要求7所述的基于CWD和改进型AlexNet的雷达有源干扰识别方法，其特征在于：所述改进型AlexNet模型的前两层全连接层的节点数为2048。