[发明专利]一种基于统计流形寻优降维的干扰类型自动识别方法

说明书

本发明公开了一种基于统计流形寻优降维的干扰类型自动识别方法。首先，利用到达角、载频、脉宽、到达时间、幅度等脉冲描述字构造干扰信号空时频统计特征集合；然后，利用噪声调幅、噪声调频、复制转发、梳状谱等干扰样式先验信息构造多维流形空间；最后，将干扰类型识别问题转化为流形上的信息几何估计问题，并通过多维流形空间信号分量和噪声分量分离等技术手段，降维估计高分离度的干扰信号多维流形空间，作为高置信度干扰信号分类识别的依据。

技术领域

本发明涉及电子对抗技术领域。

背景技术

对干扰类型的精准实时判别是认知化干扰抑制的基本前提。实时干扰类型识别方法虽然具备良好的工程应用潜力和一定鲁棒性，但是在应对辐射样式灵活多变的新体制干扰设备时可能存在如下缺陷：首先，通过对干扰源侦收信号进行多维度时频分析可从不同角度定义大量特征参量，特征参量的扩张一方面将极大的复杂化识别处理流程，另一方面也将在一定程度上降低识别流程的鲁棒性；其次，该方法中所采纳的硬判决方式难以自动兼容未知的新型复杂干扰样式。从干扰样式/类型识别的角度出发，前述各种时频参量重要性不一，也即其所能提供的鉴别能力不同。如何有效的自动凝练各参量提供的鉴别能力和鉴别角度是干扰认知领域一个难题。

本发明利用信息几何(Information Geometry)给出面向干扰样式自动识别的干扰特征参量降维分类方法。

发明内容

本发明提出了一种基于统计流形寻优降维的干扰类型自动识别方法，能够提升雷达系统在复杂电磁环境下的电磁环境综合感知能力，为自适应抗干扰雷达系统辅助性决策提供关键信息支撑。

实现本发明的技术解决方案为：从信息几何的角度出发，利用观测干扰信号有限维的奇异值特征矢量自动凝练干扰信号观察样本蕴含的多维流形空间特征，实现干扰信号观察样本空时频特征的降维提取，即以有标签干扰实测数据作为训练样本，通过多维流形空间信号分量U和噪声分量Λ降维分离等技术手段，迭代估计干扰信号空时频统计特征f(x)和多维流形空间g(x)，实现高置信度干扰信号分类识别。具体步骤如下：

步骤1：利用脉冲描述字初始化干扰信号空时频统计特征f(x)，x为干扰信号样本，为干扰信号描述字构成的观察样本集合；同时，利用干扰样式先验信息初始化多维流形空间g(y)，其中y为干扰信号样本，为干扰类型集合；

步骤2：从观测样本集合中选n个样本，对于每个样本(x_i,y_i)估计干扰信号空时频特征的分布P_X(x_i)，并更新干扰信号空时频统计特征：

其中，Δ为常数；

步骤3：从观测样本集合中选n个样本，利用观测干扰信号样本(x_i,y_i)估计多维流形空间特征分布P_Y(y_i)，并更新典型干扰类型多维流形空间：

其中，Δ为常数；

步骤4：利用n个干扰信号样本对干扰类型高维流形空间的实时转移牵引效应，归一化干扰类型多维流形空间估计结果其中表示对n干扰信号样本统计所得干扰多维流形空间数学期望；

步骤5：基于归一化干扰类型多维流形空间估计结果，构造干扰几何流形空间相关矩阵：

步骤6：利用干扰几何流形空间相关矩阵，采用SVD方式降维提取干扰多维流形空间信号分量U和噪声分量Λ：

[U Λ]＝eig(Φ)；

步骤7：利用信号分量和噪声分量，重构干扰多维流形空间：