[发明专利]一种基于多特征融合的雷达辐射源识别方法

说明书

本发明属于雷达辐射源识别技术领域，公开了一种基于多特征融合的雷达辐射源识别方法，对雷达信号进行时频变换得到时频图像，利用图像特征提取方法提取信号时频图像的特征，包括纹理特征和形状特征；根据各种制式雷达信号的频谱差异性分析，构建3dB带宽参数、频谱相关特征等，从信号瞬时频率的差异性中，提取瞬时频率拟合直线与瞬时频率曲线的差值的方差、瞬时频率的一级差的方差等参数，将这些参数构建融合特征集，作为分类器输入数据；对特征集进行二次处理，利用树模型提取组合特征或高阶特征，将特征输入到线性分类器中进行分类识别。本发明对雷达辐射源识别精度较高，有效地改善雷达信号在低信噪比下的识别率低的问题。

技术领域

本发明属于雷达辐射源识别技术领域，尤其涉及一种基于多特征融合的雷达辐射源识别方法

背景技术

目前，最接近的现有技术：雷达辐射源识别是现代电子支援措施(ElectronicSupport Measures，ESM)和对抗侦察系统的重要技术之一，其通常是指：基于截获的辐射源信号得到信号的参数或提取代表信号特性的特征，然后将这些参数或特征与预先累积的数据库进行比较分析，最终确定辐射源的本来属性，包括辐射源的位置、状态、型号和用途等。对于雷达辐射源信号，传统做法是通过提取的到达时间(Time Of Arrival，TOA)、到达角(Angle Of Arrival，AOA)、载波频率(Carrier Frequency，CF)、脉冲幅度(PulseAmplitude，PA)和脉冲宽度(Pulse Width，PW)序列参数，构成脉冲描述字(PulseDescription Word，PDW)，然后利用分类方法，如模板匹配法、支持向量机等完成识别。随着电磁环境越来越复杂，这种将五大参数作为识别特征的传统方法已远远不能满足所需识别精度。近年来，以信号时频图像特征作为分类器输入数据的雷达辐射源识别方法逐渐发展起来。现有技术一通过将信号时频分析转化为图像特征提取问题，对时频图像进行奇异值分解和线性鉴别提取图像特征。该技术考虑了图像统计特征，但提取的特征还不能完全表征信号的本质信息，在实际低信噪比的环境中，结果不是很理想。现有技术二在技术一的思想上提取时频图像的形状特征和纹理特征，并将它们构成融合特征集输入到随机森林算法中实现信号的分类，取得了较好的效果，但是这种方法只考虑时频图像特征，对于信号其它信息如频谱特征、瞬时频率特征等未加入考虑，对于特征提取还有一定的局限性。另一方面，在分类器的选择上，现有技术最近邻法对数据要求较高，不好衡量数据样本间的距离；贝叶斯分类器则需要大量的训练样本，而且识别准确率也不高；深度学习方法则需要调整大量的参数，而且训练时间较长；支持向量机法对非线性问题的核函数较难确定，没有通用的解决方案。因此，上述方法在解决雷达辐射源识别问题上，信号特征提取和分类器设计两方面上还存在一定的缺陷，无法达到实际复杂多变环境的需要。

综上所述，现有技术存在的问题是：目前辐射源识别存在特征参数提取方面：信号特征参数只针对信号的某一方面进行提取，未能融合信号多个维度的特征，对信号的特性表征参数还不够全面；分类器设计方面：输入到分类器的特征，未能进一步处理，比如特征选择、建立组合特征，构建的分类器泛化能力弱，在低信噪比时准确率低。

解决上述技术问题的难度：在复杂的电子信号环境中，获取的雷达辐射源信号存在较多的噪声，如何在低信噪比下提取信号的本质特征问题；如何全面提取高噪声时频图像的特征问题；如何设计具有特征选择、分类精确度高、泛化能力强的分类器问题。这些都是雷达辐射源识别急需要解决的问题和难点。

解决上述技术问题的意义：不同类型的雷达信号存在着差异性较大的时频图像和频谱信息，全面提取时频图像的特征和构建精确的信号频谱和瞬时频率特征，同时，对提取的信号特征设计一个较好的分类器对雷达辐射源识别是非常具有实际意义的。两者结合可以得到一种针对雷达辐射源识别精确度较高的识别方法，在电子信号识别中可发挥重要作用。

发明内容

针对现有技术存在的问题，本发明提供了一种基于多特征融合的雷达辐射源识别方法