[发明专利]一种雷达信号分选识别方法、装置、探测器及存储介质

权利要求书

1.一种雷达信号分选识别方法，其特征在于，所述雷达信号分选识别方法包括以下步骤：

响应于检测到的目标辐射源信号，使用CWD时频分析技术对所述目标辐射信号进行变换得到原始时频图像，使用短时自相关特征图像构造方法对所述目标辐射信号进行变换得到自相关特征图像；

使用不同的卷积神经网络特征提取器对所述原始时频图像及所述自相关特征图像进行特征提取，并将特征提取结果分别发送至不同的随机森林分类器得到原始时频图像的分类器决策及自相关特征图像的分类器决策；

根据预设权重分配方法，将所述原始决策与所述自相关决策加权后进行融合，得到分选识别结果；所述原始决策为所述原始时频图像的分类器决策，所述自相关决策为所述自相关特征图像的分类器决策；

所述随机森林算法包括决策树构造子训练集Θ_i、决策树各节点及汇总结果：

所述短时自相关特征图像的特征提取结果S，确定为分类标签Y的概率P_RF(S，Y)的计算公式为：；I(·)为指示函数，·为真则取值为1否则取值为0，t为随机森林内决策树的数量，h(S，Θ_i)为决策树的决策结果；

根据输出的分类概率向量，选取最高概率确定为测试信号样本的分类类别，则随机森林对于短时自相关特征图像的特征提取结果S的分类函数G(S)可以表示为：G_RF(S)＝argmax(P_RF(S，Y))；P_RF(S，Y)表示样本对类别的概率，argmax(·)表示输出最大值的参数Y。

2.根据权利要求1所述的雷达信号分选识别方法，其特征在于，使用短时自相关特征图像构造方法对所述目标辐射信号进行变换得到自相关特征图像，具体包括：

将所述目标辐射源信号进行加窗分帧预处理；

将预处理后的所述目标辐射源信号进行自相关运算；

将所述自相关运算结果进行裁剪拼接及时频变换处理后得到短时自相关特征图像。

3.根据权利要求1所述的雷达信号分选识别方法，其特征在于，所述预设决策权重分配方法具体包括：

使用测试信号测试原始分类器及自相关分类器，得到原始分类器及自相关分类器对应不同种类信号的识别准确率；所述原始分类器为输出所述原始决策的随机森林分类器，所述自相关分类器为输出所述自相关决策的随机森林分类器；

根据所述识别准确率得到权重因子，并将权重因子及对应随机森林分类器的分类概率值线性运算得到权重值；所述分类概率值为分类结果包含的种类与对应分类器所有种类的比值。

4.根据权利要求3所述的雷达信号分选识别方法，其特征在于，还包括以下步骤：

根据所述识别准确率，人工调整所述原始分类器及所述随机森林分类器的权重增益。

5.根据权利要求1所述的雷达信号分选识别方法，其特征在于，使用对应的卷积神经网络特征提取器对所述原始时频图像及所述自相关特征图像进行特征提取，并将特征提取结果分别发送至对应的随机森林分类器得到原始时频图像的分类器决策及自相关特征图像的分类器决策的步骤之前，还包括：

使用不包括相位编码在内的多类雷达信号得到的原始时频图像及自相关特征图像对对应的卷积神经网络及对应的森林分类器进行训练；

使用相位编码中的四类信号得到的原始时频图像及自相关特征图像作为对应的卷积神经网络的测试输入，提取卷积神经网络中全连接层的神经元用于特征表示输入信号中的每个样本；

使用相位编码中与所述测试输入的四类信号对应的信号对识别效果进行测试；

选择测试结果最优的网络结构作为所述卷积神经网络特征提取器的特征提取网络。