[发明专利]基于神经网络的Link16数据链信号的识别方法

说明书

本发明公开了一种基于神经网络的Link16数据链信号的识别方法，其首先输入待测信号；然后对输入的待测信号进行预处理，所述预处理包括降噪处理和PCA降维处理；再将经过预处理后的待测信号输入网络结构和参数确定的神经网络中进行识别；最后根据神经网络输出的信号类别进行识别结果判决。本发明鲁棒性好，对于复杂背景、噪声干扰等复杂情况下的Link16数据链信号识别效果好；同时本发明时间复杂度低，其主要把时间花在构建神经网络上，最后信号的识别用时少。

技术领域

本发明涉及一种Link16数据链信号的识别方法，具体涉及到一种基于神经网络的Link16数据链信号的识别方法。

背景技术

现代战争的特点是信息化的联合作战和精确作战，参战单位众多，分布在陆、海、空、天的广大区域，战争节奏快，敌我双方交错在一起，交战双方激烈争夺制信息权。Link16数据链是当前广泛使用的一种战术数据链，其主要功能是在参战单位之间实时交换战术信息，使各参战单位掌握实时战场态势和传送指挥控制命令。Link16数据链通信以时分多址的方式工作，系统的每个成员都按照统一的系统时基同步工作，在信号上采用了跳频、直扩、跳时、信道编码和脉冲工作等诸多的抗干扰措施，具有很强的反侦察和抗干扰性能。

对Link16信号现有的识别方法是提取检测信号高阶累积量、平方谱和频率范围等特征并加以识别，然而在实际应用中，复杂背景、噪声干扰、尺度等因素严重影响识别的性能，基于特征的传统识别方法并不能达到理想的识别效果，一方面表现在对于低信噪比下信号的识别效果一般，另一方面这些方法往往要耗费大量的时间在信号的特征提取上。

近些年发展起来的机器学习方法尤其是神经网络为Link16数据链信号识别的研究提供了新的思路。机器学习方法已经被成功地应用于图像匹配、人脸识别等多个领域，并且取得了较好的实验效果。因此，如何得到一种基于神经网络的Link16数据链信号的识别方法，使其可以有效地弥补现有识别方法的不足，这具有重要的研究意义和实用价值。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种识别效果好、时间复杂度低的基于神经网络的Link16数据链信号的识别方法。

本发明具体采用以下技术方案：

一种基于神经网络的Link16数据链信号的识别方法，其包括以下步骤：

S1、输入待测信号；

S2、对步骤S1输入的待测信号进行预处理，所述预处理包括降噪处理和PCA降维处理；

S3、将经过步骤S2预处理后的待测信号输入网络结构和参数确定的神经网络中进行识别；

S4、根据神经网络输出的信号类别进行识别结果判决。

进一步地，步骤S3中，输入的神经网络为BP神经网络、RBF神经网络以及PNN神经网络。

更进一步地，所述神经网络的结构与参数的确定过程为：BP和RBF神经网络包含三层，依次是输入层、隐含层和输出层，PNN神经网络包含四层，分别是输入层、模式层、求和层和输出层；BP神经网络隐藏层神经元个数设为20，训练算法为LM算法，最大训练次数规定10000次，学习速率为0.1，训练精度为0.00001；RBF神经网络均方误差为0.0001，径向基的扩展速度为2，最大神经元数为训练样本个数；PNN网络的径向基函数的扩展速度为1；记录取得最佳识别性能时的BP、RBF、PNN网络结构与参数。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

1、本发明基于神经网络的大动态信噪比下进行Link16数据链信号的识别，其鲁棒性好，对于复杂背景、噪声干扰等复杂情况下的Link16数据链信号识别效果好。

2、本发明时间复杂度低，其主要把时间花在神经网络的构建上，最后信号的识别用时少。