[发明专利]一种基于软件无线电的雷达辐射源信号分类系统及方法

说明书

本发明涉及一种基于软件无线电的雷达辐射源信号分类系统及方法，该系统包括：参数可调雷达系统生成雷达时域信号时频特征图和短时自相关时频特征图；两组并行的CNN(Convolutional Neural Networks，卷积神经网络)分别基于时频特征图和短时自相关时频特征图进行深度学习训练，得到输出预分类结果至推理机，推理机根据预分类结果和分类函数输出待分类的雷达时域信号的分类结果；引入人工智能技术，采用智能信息处理方式，挖掘更深层次、适应性更强的特征；利用短时自相关技术降低空间噪声对信号的影响，采用多特征图联合决策方法增强系统对复杂数据的拟合性，实现更加精准高效的自动分类，在低信噪比下有更高的分类识别率。

技术领域

本发明涉及雷达技术领域，尤其涉及一种基于软件无线电的雷达辐射源信号分类系统及方法。

背景技术

作为电子战的关键环节，雷达波形分类在电子侦察系统中发挥着重要作用。当前在雷达辐射源信号分类领域，大多通过理论仿真开展研究，未涉及雷达信号收发过程，仅从理论层面验证了雷达信号识别方法。

传统雷达辐射源信号收发方法一般需要设计硬件电路，在调制解调时射频信号具有高频易受干扰等特点，为增加中频带宽、降低AD/DA采样速率，前端电路往往十分复杂，开发成本高。传统无线电硬件复杂、功能单一，不同通信体系不能相互兼容，不具有普适性。同时，传统雷达波形分类识别方法主要依靠情报分析人员消耗大量精力对雷达参数进行对比归纳，并且特征提取方法一般仅针对特定几种雷达信号，当雷达信号的参数变化规律十分复杂时，人工方式无法全面分析，将不再适用。因此上述传统方法已不能有效应对目前雷达信号分类领域面临的严峻挑战。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于软件无线电的雷达辐射源信号分类系统及方法，解决现有技术中雷达信号分类困难问题。

本发明解决上述技术问题的技术方案如下：一种基于软件无线电的雷达辐射源信号分类系统，包括：参数可调雷达系统和多特征联合决策模块；

所述参数可调雷达系统用软件无线电设备作为雷达系统的发射机和接收机；将接收到的待分类的雷达时域信号分为两路，对一路的所述雷达时域信号进行时频转换生成时频特征图，对另一路的所述雷达时域信号短时自相关处理后进行时频变换，生成短时自相关时频特征图；

所述多特征联合决策模块包括CNN1、CNN2和推理机，并行的所述CNN1和CNN2分别基于所述时频特征图和所述短时自相关时频特征图进行深度学习训练；将所述待分类的雷达时域信号生成的时频特征图和短时自相关时频特征图分别输入训练完成的所述CNN1和CNN2后输出预分类结果至所述推理机，所述推理机根据所述预分类结果和分类函数输出待分类的雷达时域信号的分类结果。

一种基于软件无线电的雷达辐射源信号分类方法，包括：

使用参数可调雷达系统接收待分类的雷达时域信号；

将接收到的待分类的雷达时域信号分为两路，对一路的所述雷达时域信号进行时频转换生成时频特征图，对另一路的所述雷达时域信号短时自相关处理后进行时频变换，生成短时自相关时频特征图；

将所述时频特征图和所述短时自相关时频特征图分别输入并行的CNN1和CNN2后进行深度学习训练；

将所述待分类的雷达时域信号生成的时频特征图和短时自相关时频特征图分别输入训练完成的所述CNN1和CNN2后输出预分类结果；

根据所述预分类结果和分类函数得到待分类的雷达时域信号的分类结果。