[发明专利]基于VAE-ResNet网络的雷达辐射源识别方法

权利要求书

1.基于VAE-ResNet网络的雷达辐射源识别方法，其特征在于，包括如下：

1)对从接收机接收到的混叠信号进行分离，得到雷达辐射源信号，生成雷达辐射源信号数据集，其中包括7种不同的雷达辐射源信号，分别为常规脉冲信号、线性调频信号、非线性体调频信号、二相编码信号、四相编码信号、二频编码信号和四频编码信号；

2)信号预处理

2a)将1)中生成的7种不同雷达辐射源信号通过快速傅里叶变换，将其从时域变换到频域，并进行去噪处理；

2b)将去噪后的信号，先以序列的形式输出；再将信号进行时频变换，以信号时频图的形式输出；

2c)将两种形式的雷达辐射源信号进行能量归一化处理，并标注信号所属的类别，在每种类别的信号中随机抽取信号总量的4/5的信号作为训练集，其余为测试集信号；

3)构建VAE-ResNet网络

设变分编码器VAE网络包含：编码网络、中间隐含变量层和解码网络；

设深度残差网络ResNet包含：卷积层、池化层和全连接层；

将变分编码器VAE网络和深度残差网络ResNet这两种网络中含有特征向量的隐含层进行并行融合，得到VAE-ResNet网络，并使用softmax分类器作为该网络的输出层；

4)对VAE-ResNet网络进行训练：

4a)设置VAE-ResNet网络的学习率为0.01、批量大小设置为10、迭代次数为600；设置变分编码器VAE的损失函数为L；设置卷积层的激活函数为f(x)＝max(0,x)，其中：x表示神经元的输入；

4b)将训练集信号输入至设置好参数的VAE-ResNet网络进行训练，即将序列形式的信号输入至变分编码器中，将时频图形式的信号输入至深度残差网络中同时进行迭代训练，直至达到设置的迭代次数，得到训练好的VAE-ResNet网络；

5)将测试集信号输入至训练好的VAE-ResNet网络中，预测雷达辐射源信号分类，即输出识别结果。

2.根据权利要求1所述的方法，其特征在于，1)中生成的雷达辐射源信号数据集，是由从-10dB到6dB每隔2dB信噪比下生成数量相等的7种信号构成。

3.根据权利要求1所述的方法，其特征在于，1)中的7种不同雷达辐射源信号，其参数设置如下：

设常规脉冲信号、线性调频信号、非线性体调频信号、二相编码信号和四相编码信号这5种信号的载频均为200MHz；

设二频编码信号的2个载频分别为200MHz、400MHz；

设四频编码信号的4个载频分别为100MHz、300MHz、500MHz和700MHz。

4.根据权利要求1所述的，3)中VAE-ResNet网络，具体结构包括如下：

变分编码器VAE网络包含：编码网络、中间隐含变量层和解码网络，其中编码网络包含3层全连接网络，中间隐含变量层含有2个隐含向量，其分别为变分推断中高斯先验的均值μ与方差σ²，解码网络包含2层全连接网络；

深度残差网络ResNet：含有17个卷积层和1个全连接层，并在卷积层与卷积层之间加入了残差链接，第1层卷积层的卷积核大小为7×7，第2至17层卷积层的卷积核大小为3×3，最后1层为全连接层。

5.跟据权利要求1所述的方法，其特征在于，4)中的损失函数L，表示如下：

其中x_n表示第n个信号，表示训练集中第n个信号对应的重构平均距离像，||*||表示取模值操作，tr表示取迹操作，σ_n表示第n个信号的标准差，μ_n表示第n个信号的均值，T表示转置操作，Q表示第n个信号对应的维度数，det表示取行列式操作。