[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

说明书

本发明涉及一种雷达信号分选识别方法、装置、探测器及可读存储介质，通过将目标辐射源信号使用CWD时频分析技术及短时自相关特征图像构造方法进行处理，得到原始时频图像及自相关特征图像，并通过卷积神经网络特征提取器及随机森林分类器得到分类结果，将其加权融合后，得到分选识别结果，解决了现有技术中使用CWD时频分析技术识别未知雷达波形准确率较低的技术问题，达到了仅使用较少的雷达样本信息下大幅提高未知雷达信号的识别率。

技术领域

本发明涉及雷达信号识别技术领域，特别涉及一种雷达信号分选识别方法、装置、探测器及存储介质。

背景技术

在现代电子战中,对雷达辐射源信号的分析与处理是电子情报侦察系统和电子支援系统重要环节之一。雷达信号样式纷繁复杂、工作模式多，特别是战时情况下新雷达信号不断涌现，对于一些已知调制方式的雷达波形，可利用雷达先验知识与侦察接收机所接收雷达信号的关联性进行识别分类。但对于新雷达信号，由于无法利用先验知识，侦察机的标识成本高，导致难以获得较多的新雷达信号样本，对于此类未知雷达信号在有限样本的情况下以及在低信噪比条件下传统识别手段识别率低，且识别耗时长。

发明内容

本发明针对现有技术中存在的技术问题，提供一种雷达信号分选识别方法、装置、探测器及存储介质，在未知雷达信号样本有限的情况下，实现雷达信号的分选识别。

本发明解决上述技术问题，本发明提出一种达信号分选识别方法，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(Choi-Williams distribution，崔-威廉斯分布)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。

本发明的有益效果是：从多个角度分析雷达信号的特征，并通过卷积神经网络特征提取器从单一样本中提取多个特征信息，再通过随机森林分配器确保识别成功率，并通过权重分配方法进一步提高识别成功率；在仅有较少的样本信息的情况下，通过对样本信息进行多角度多方面的分析运算，达到了准确识别雷达信号的目的。

在上述技术方案的基础上，本发明还可以做如下改进。

优选地，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。

采用上述进一步方案的有益效果是：本申请通过加窗分帧的预处理使得目标辐射源信号满足后续处理的需求，并通过自相关运算得到处理后的自相关原始数据，并通过裁剪拼接以及时频变换处理得到短时自相关特征图像，完善了技术方案，减少了自相关特征图像中的干扰信号，提升了识别成功率。

在上述技术方案的基础上，本发明还可以做如下改进。

优选地，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；