[发明专利]脉间调制方式识别方法、系统、计算机设备及存储介质

说明书

本发明涉及一种脉间调制方式识别方法、系统、计算机设备及存储介质，其包括：将接收到的未知雷达信号的到达时间序列转换为二维图像数据，并进行初步筛选及参数优化；对初步筛选后的到达时间序列采用密度聚类算法完成雷达信号的分选；对聚类分选后的结果进行图像中链码及拐点转化，实现对雷达信号调制方式识别。本发明通过对获取二维图像数据进行检测、滤波、聚类、识别方法，提升分选精度，解决复杂脉间调制方式的识别难题。

技术领域

本发明涉及一种信号识别技术领域，特别是关于一种基于序列拐点链码值的脉间调制方式识别方法、系统、计算机设备及存储介质。

背景技术

不同平台获取雷达信号交叠严重，环境内辐射源数量多，同时包括常规、参差、抖动、正弦、滑变等多种复杂调制方式，以及功率变化、测量误差、脉冲丢失、相对运动等因素影响现有分选算法较难实现分选，无法有效的对脉间信号进行识别及参数估计。因此，急需能够适应复杂电磁环境，对多种工作状态、多种体制及复杂调制方式的雷达信号进行分选识别的方法。

常用辐射源识别手段包括脉内信息获取、直方图法、脉冲重复间隔变换法及神经网络法等。利用脉内调制信息，但脉冲持续时间短，难以准确提取；利用典型的累积差值(CDIF)和序列差值(SDIF)等直方图法，但在脉冲数量较多时，对丢失的脉冲很敏感，并且谐波抑制很差；脉冲重复间隔变换算法，可以很好的避免谐波问题，对参差等类型具有较好的分析效果，但是该方法缺少抑制谐波能力，使得抖动和滑变等变化复杂的信号序列无法分选；采用神经网络进行信号分离，其数学描述是多变量的非线性方程组，模型较为复杂，运算速度较慢。

发明内容

针对上述问题，本发明的目的是提供一种脉间调制方式识别方法、系统、计算机设备及存储介质，其能有效提高分选精度，解决复杂脉间调制方式的识别难题。

为实现上述目的，本发明采取以下技术方案：一种脉间调制方式识别方法，其包括以下步骤：将接收到的未知雷达信号的到达时间序列转换为二维图像数据，并进行初步筛选及参数优化；对初步筛选后的到达时间序列采用密度聚类算法完成雷达信号的分选；对聚类分选后的结果进行图像中链码及拐点转化，实现对雷达信号调制方式识别。

进一步，所述雷达信号调制方式识别方法为：将密度聚类分选后的结果根据其线条的不同走势方向求解其链码值；对链码值进行直方图处理，并将链码值的直方图按照升序进行排列，则可得到重新编排后的归一化链码值的直方图，实现对不同的调制方式进行初步区分；结合拐点间线段长度及归一化链码值构建决策树，对常见的调制方式进行识别；结合现有人工智能技术，对未知调制类型信号及脉冲丢失频繁类型信号进行识别。

进一步，所述拐点间线段长度获取方法为：(1)拐点值由链码值进行确定，当链码之间的差值大于1时，则称之为拐点；(2)对于拐点太过密集的区域进行弯曲度计算，将弯曲度小于预先设定阈值的点作为伪拐点消除；(3)求解相邻两拐点之间的距离。

进一步，建立调制方式决策树，对常见的调制方式完成不同调制方式识别：对所求链码值进行归一化直方图处理，根据归一化情况确定a类、b类和c类调制方式；对b类链码进行拐点求解，消除伪拐点后，对相邻两拐点之间的距离进行求解，当相邻线段的值相等时，则判断为三角波调制，当相邻线段的值不相等时，则判断为滑变调制；根据c类链码值分布情况，当链码值均匀变化且在预先设定值相对集中时为正弦调制，链码值随机变化且均匀分布时为抖动，否则为未知调制方式。

进一步，根据所述归一化情况将调制方式区分为三类：a.链码值在1或2个相邻值内分布集中，其他链码值很少，为常规调制、参差调制；b.链码值在3或4个值内分布集中，其他链码值很少，为三角波或滑变调制；c.链码值在3或4个值内分布集中，其他链码值仍有分布，为正弦调制、抖动调制或其他调制方式。