[发明专利]基于双谱自编码特征的雷达辐射源识别方法

说明书

本发明公开了一种基于双谱自编码特征的雷达辐射源识别方法。本发明包括如下步骤：步骤1、采集雷达辐射源信号，对雷达辐射源信号进行预处理及滤噪；步骤2、对采样后得到的离散辐射源信号使用直接估计法计算离散信号的双谱图像；步骤3.采用超限学习机稀疏性自编码算法对所提取的双谱图像做特征学习，最后使用超限学习机分类算法构建雷达辐射源识别模型。本发明构建了基于双谱特征学习和超限学习机识别的一体化雷达辐射源分类架构，建立了一种快捷、高效的雷达辐射源信号识别方法。

技术领域

本发明属于雷达辐射源识别领域，涉及一种基于双谱自编码特征的雷达辐射源识别方法，具体的是一种雷达辐射源双谱图像和超限学习机(ELM)自编码特征提取和分类的识别算法。

背景技术

传统的雷达辐射源分类过程实际上是信号的识别过程，即在完成特征提取选择步骤后，采用识别算法进行分类决策。但传统的方法存在以下问题：

1.双谱在辐射源信号分析中能有效处理干扰噪声，可以很好地反映雷达辐射源的本质特征。但由于计算双谱特征过程复杂，形成的特征向量维数较高，使得工程实现面临计算复杂度高等问题；

2.目前用于辐射源识别的神经网络分类算法多数是基于浅层网络结构的，然而浅层网络模型对复杂函数及高维大数据样本的表示能力有限，使得其泛化能力受到一定制约；

3.传统基于深度网络模型结构的智能识别算法大部分依赖于参数迭代更新的学习思想，在处理高维雷达辐射源信号双谱图像特征，往往面临着计算量大、复杂度高等问题。

发明内容

本发明针的目的是对传统雷达辐射源识别算法的不足，提出了一种基于双谱自编码特征的雷达辐射源识别方法，具体的是一种雷达辐射源双谱图像特征和超限学习机(ELM)自编码特征提取和分类的识别算法。

本发明的技术方案主要包括如下步骤：

步骤1、采集雷达辐射源信号，对雷达辐射源信号进行预处理及滤噪；

步骤2、对采样后得到的离散辐射源信号使用直接估计法计算离散信号的双谱图像；

步骤3.采用超限学习机(ELM)稀疏性自编码算法对所提取的双谱图像做特征学习，最后使用超限学习机分类算法构建雷达辐射源识别模型。

所述步骤1的具体实现包括以下几个部分：

1-1.将采集的雷达辐射源信号X(t)经模数转换器采样得到离散雷达信号X(n){x(1)，...,x(n),...，x(N)}。

所述的采样频率满足大于等于信号最高频率的两倍；

所述的雷达等电子系统中的噪声来源是热噪声，热噪声是典型的高斯白噪声；

步骤2主要包括雷达辐射源信号分帧及每帧信号的双谱特征求解。其中双谱特征求解有很多种方法，这里我们使用非参数直接估计法，具体实现流程如下：

2-1.将离散雷达信号X(n){x(1)，...,x(n),...，x(N)}分成K段，每段M个样本，即N＝KM，并减去每段的样本均值；N表示样本的总长度，n表示第n个离散雷达信号样本。

2-2计算每段离散雷达信号X(n)的离散傅里叶变换(DFT)的系数Y⁽ⁱ⁾：

其中，x⁽ⁱ⁾(t)(t＝0,1,Λ,M-1)为第i段的离散辐射源信号。

2-3.计算第i段雷达信号的双谱特征