[发明专利]一种基于特征融合的电磁目标智能识别方法及系统

权利要求书

1.一种基于特征融合的电磁目标智能识别方法，其特征在于，包括以下步骤：

步骤一，对接收到的电磁目标信号s(t)进行高分辨距离像、对角积分双谱及模糊函数主脊智能表征，并作为后续MobileNet-LSTM网络的输入；

步骤二，用MobileNet网络将二维智能表征对角积分双谱降到一维，并与一维智能表征高分辨距离像、模糊函数主脊进行特征融合；

步骤三，对一段连续时间内的每一个时间片重复上述步骤，并将这些时间片组成的特征输入到LSTM网络进行识别，从而获得电磁目标识别结果。

2.根据权利要求1所述的方法，其特征在于，所述的步骤一具体为：

接收到的电磁目标信号x(t)表示为：

其中，f₀和分别为载波频率和初始相位，g(t)为矩形脉冲，x(t)为电磁目标信号；

(1)计算电磁目标信号的高分辨距离像(HRRP)：

经过模数转换之后，第n次回波的HRRP为：

X_n＝[x_n1,x_n2,…,x_nL],i＝1,2,…,L

其中，L为HRRP的距离单元数，x_ni为第n次回波第i个距离单元的离散值；

采用对HRRP复信号取模的方式处理，对每个距离单元取模后得到如下所示：

X_n＝[|x_n1|,|x_n2|,…,|x_nL|]

(2)计算电磁目标信号的对角积分双谱：

对于平稳随机电磁目标信号x(t)，其三阶累积量c_3x(τ₁,τ₂)为

c_3x(τ₁,τ₂)＝E{x^*(t)x(t+τ₁)x(t+τ₂)}

其中，τ₁,τ₂分别为两个不同的延时；

其二维傅里叶变换就是双谱B_x(ω₁,ω₂)：

其中，ω₁,ω₂分别为两个不同的频率；

对所得的二维双谱数据沿平行于主对角线或次对角线的直线序列进行积分，其表达式为：

其中，S₁(a)和S₂(a)分别是沿平行于主对角线的直线和平行于次对角线的直线积分后所得到的积分双谱；

基于对角积分双谱特征提取方法有两个步骤:

1)计算信号的双谱；2)对双谱沿平行于次对角线的直线积分，得到对角积分双谱，并将其作为特征用于特征融合或者分类识别等的输入；

(3)计算电磁目标信号的模糊函数主脊：

对于电磁目标信号x(t)，其模糊函数χ_x(τ,ξ)定义为：

其中，τ为时延，ξ为频移，t为时间；

信号在经时延τ和频移ξ后的自相关函数即是信号的模糊函数，由模糊函数就能够挖掘出描述信号能量分布信息的有效特征；

对于连续电磁目标信号x(t)，其时域的自相关概念为：

由分数傅里叶变换启发，定义任何分数域中的分数位移算子为：

其中，α_x和ρ分别是方向角和径向距离；上式描述了信号时延和频移的表示，则分数自相关运算计算方式如下：

其中，^*p和C^p分别为分数自相关运算符和分数自相关因子；令μ＝μ′+[(ρcosα_x)/2]，将上式扩展到分数域：

[C^p(x,x)](ρ)＝χ_s(ρcosα_x,ρsinα_x)

旋转角度为α_x的分数自相关运算就是模糊函数在夹角为α_x下的径向切面，因此从中提取模糊函数在任意夹角下的径向切面；

为了获取电磁目标信号的模糊函数主脊切面，从模糊函数的每个切面中找出切面面积的最大值；搜索范围设为[-π/2,π/2]就对模糊函数的每个角度进行搜索，最后构建检测量RS(α_x)为：

式中分母部分为归一化响应，检测量最大值所在即为模糊函数主脊。