[发明专利]基于全连接神经网络的低截获雷达信号分类方法

摘要

本发明提出了一种基于全连接神经网络的低截获雷达信号分类方法，主要解决现有技术对低信噪比值的低截获雷达信号正确分类率低的问题，其实现步骤为：1)获得不同信噪比值的低截获雷达信号；2)计算低截获雷达信号的双谱特征，对双谱特征信号进行预处理和分组得到数据集；3)设计全连接神经网络的模型，并使用数据集对其进行训练，获得训练好的全连接神经网络；4)对未分类的低截获雷达信号，将其预处理后输入训练好的全连接神经网络，通过网络输出得到该低截获雷达信号的分类。仿真结果表明，本发明对低信噪比值的低截获雷达信号分类正确率远高于现有技术，可用于识别不同类型的雷达信号源。

主权项

1.一种基于全连接神经网络的低截获雷达信号分类方法，其特征在于：(1)获取几种不同调制方式的低截获概率雷达信号，包括bpsk信号、costas信号、fmcw信号、frank码信号、LFM信号和SLFM信号，将这些信号作为样本信号；(2)计算每个样本信号的双谱特征，获取双谱反对角切片信号并对反对角切片信号进行归一化；(3)根据(1)中对应的样本信号类型，给(2)中归一化后的所有切片信号添加标签，并将相同信噪比值的原始信号所对应的带标签信号归为一个数据集，作为训练网络的输入数据集；(4)设计一个由一层输入层、两层隐藏层、一层输出层和一层softmax层组成的全连接神经网络；(5)对全连接神经网络进行训练：(5a)将(3)中的每个数据集随机分为训练集和测试集两个部分，训练集中数据数目约为测试集中数据数目的2倍；(5b)用训练集对(4)设计的全连接神经网络进行迭代训练；(5c)每次训练后，将测试集中数据逐个输入到全连接神经网络，根据输出判断该数据为步骤(1)中的哪种信号类别，并根据标签判断该分类是否正确；计算该次训练后，测试集中所有数据的正确分类率；(5d)重复步骤(5b)和(5c)，直到测试集的正确分类率趋于稳定，网络训练完成；(6)对(1)中所述任一信号，使用(2)中步骤处理，并将处理后得到的归一化双谱反对角切片信号输入(5)中训练完成的网络，即可根据网络的输出判断该信号类别。