[发明专利]一种对多功能雷达工作模式序列的脉冲级智能识别方法

权利要求书

1.一种对多功能雷达工作模式序列的脉冲级智能识别方法，其特征在于，包括如下步骤：

S1、生成用于模型训练的序列样本数据集合，包括：

S11、产生工作模式片段数据集D1：

每个样本仅含一个工作模式类别，每个样本中包含多个脉冲，每个脉冲由多维脉冲描述字参数PDW表征；将数据集D1中第i个样本表示为：其中，n为样本包含的脉冲数目，M为脉冲描述字参数PDW的个数，p_j＝(p₁，p₂，…，p_M)^T为表征第j个脉冲的M个脉冲描述字参数PDW；j＝1，2，…，n；

S12、模拟产生多功能雷达工作模式符号序列数据集D2：

根据多功能雷达的工作模式，先设置描述不同工作模式的工作模式符号，然后根据雷达可能的工作模式先后顺序，产生多个工作模式符号序列，构成数据集D2；

S13、针对数据集D2中的每个样本，随机抽取数据集D1中对应工作模式类别的一个样本，替换数据集D2中样本的各个工作模式符号，一个样本的工作模式符号替换完成后，得到工作模式脉冲序列数据集D3的一个样本；将数据集D2中的所有样本替换完成后，得到工作模式脉冲序列数据集D3；

S14、然后对脉冲序列数据集D3中的每个样本，根据每个脉冲对应的工作模式类别，产生标注到每个脉冲的工作模式标签序列数据集D4；

S2、构建并训练层次化序列到序列长短时记忆网络HSSLSTM；HSSLSTM包括两层双向LSTM，分别为脉冲bi-LSTM层和工作模式bi-LSTM层，具体为：

S21、计算脉冲bi-LSTM层的前向隐藏层和后向隐藏层其中：

式中，L表示数据集D3中每个样本所包含的脉冲数目，p_t表示样本中第t个脉冲；

S22、根据脉冲bi-LSTM层的隐藏层H＝[H^f，H^b]，计算工作模式bi-LSTM层的前向隐藏层和后向隐藏层其中，前向隐藏层中第t个元素为：

式中，

后向隐藏层中第t个元素为：

S23、根据工作模式bi-LSTM层的向量计算输出矢量：

其中将每个时刻的输出o_t，通过softmax层，得到输出工作模式类别的概率分布序列：其中是HSSLSTM对时刻t的脉冲的输出类别概率序列；

S3、对输入的待测复杂雷达脉冲序列，整理成数据集D1中样本的格式，输入到层次化序列到序列长短时记忆网络HSSLSTM中，得到工作模式识别结果。

2.如权利要求1所述的一种对多功能雷达工作模式序列的脉冲级智能识别方法，其特征在于，在对层次化序列到序列长短时记忆网络HSSLSTM进行训练过程中，对于一个标签序列为Y＝(y₁，y₂，…，y_L)的输入脉冲序列，HSSLSTM输出对应的网络类别概率序列定义对输入脉冲序列的序列损失函数为：

添加正则化分项，并且在整个数据集D上最小化损失函数，结果如下：

其中E_i是在第i个输入脉冲序列上的序列损失函数，N是数据集D中的脉冲序列样本数目，ω是权重，λ是正则化系数。

3.如权利要求1所述的一种对多功能雷达工作模式序列的脉冲级智能识别方法，其特征在于，步骤S1中得到数据集D3后，对其进行归一化处理，则各样本中每个脉冲的第m个脉冲描述字参数PDW的归一化结果为：

其中，a_m是数据集D3中第m维参数序列，LB＝{LB₁，LB₂，…LB_M}，UB＝{UB₁，UB₂，…UB_M}分别是M维参数序列的M个固定阈值下限与上限；m＝1，2，…，M。

4.如权利要求3所述的一种对多功能雷达工作模式序列的脉冲级智能识别方法，其特征在于，对于输入的待测复杂雷达脉冲序列，先进行所述的归一化处理后，再输入到网络进行识别。