[发明专利]一种未知辐射源个体识别及检测的方法

说明书

该发明公开了一种未知辐射源个体识别及检测的方法，属于信号识别领域。针对现有技术中对未知信号识别效率、准确率低的问题，采用神经网络对信号记性特征提取，计算特征的各项差异性数据，将待识别信号的各项差异性数据与训练神经网络样本信号的各项差异性数据进行逐层次的比较，依次筛选出未知类信号，然后对未知类信号进行标签添加；本发明技术方案检测未知类的误差率为0.28％，说明本发明方法具有高准确率的优点。

技术领域

本发明涉及辐射源个体识别技术领域，更具体的，是涉及一种基于神经网络，并对未知辐射源个体进行检测和自动加标签的方法。

背景技术

随着通信技术的发展与频谱管理变得越来越复杂，通信信号的识别正变得越来越重要,尤其在非协作式通信中，辐射源个体识别在辐射源的搜索、截获、分析、识别以及定位中拥有广泛的应用。

辐射源个体识别有两种方法，人工手动识别和机器自动识别。人工识别方法将不同类型的接收机接收到的信号进行初步处理后，通过示波器、频谱仪等仪器进行个体识别。这种方法准确率不高，能识别的类型有限且人工识别效率极低。自动识别主要是将神经网络与辐射源个体识别结合起来，利用带有分类标签的大量数据，使设备能够通过神经网络来获得自主学习、自动决策与自动更新的能力。但是现有的基于神经网络或深度学习进行辐射源个体识别的算法往往对数据有严苛要求，要求有大量加好分类标签的数据，并且都是已经分好类的数据。每当数据集发生变动，即有未被标签的未知类的数据存在，就无法正常训练和识别。而且现有的算法往往网络层数深、结构复杂、参数量极大，存在着训练耗时、网络泛化性差的问题。

本发明基于信号二维层次上的时频域特征，利用神经网络进行辐射源个体识别，对未知源进行检测以及自动加标签，是针对目前辐射源个体识别相关问题的有效尝试。

发明内容

针对辐射源在未知类检测方面检测效率低的问题，本发明提出一种基于神经网络的高效率高识别率的辐射源个体识别以及未知个体检测方法。

本发明技术方案为一种未知辐射源个体识别及检测的方法，该方法包括：

步骤1：获取训练样本；

针对每个型号的辐射源由X种信号采集带宽、Y种传输带宽和Z种调制方式相互组合构成的X*Y*Z种工作模式发送信号，然后接收这些信号作为训练样本；

步骤2：将所有训练样本做下采样，考虑到信号数据当中，有部分时间段并没有实际发送、接收信息，所以将未发送信号的空白部分过滤掉；

步骤3：确定相关参数，包括原信号x[n]、窗函数w[n]、窗长Win_Len、重叠点数n_overlap、补零点数N_fft；

步骤4：每段的加窗使用Hamming窗，根据信号长度n_Len、窗长Win_Len以及重叠点数n_overlap，计算窗滑动次数n_num；

步骤5：求每个训练样本的能量谱密度PSD矩阵P，对于实信号，P是各段PSD的单边周期估计；对于复信号，当指定频率向量F时，P为双边PSD；处理后得到的数据矩阵大小为((N_fft/2)+1)*n_num；

步骤6：将得到的矩阵进行划分，根据每个训练样本所代表的时间长度，设计合理的n_Width值；每个训练样本包含n_Width个分窗，即n_Width列，每个数据文件被分为n_num/n_Width个训练样本，即每个训练样本维度均是((N_fft/2)+1)*n_Width；