[发明专利]一种多分量雷达信号脉内调制方式识别方法

摘要

本发明涉及深度学习的自动识别算法领域，具体涉及一种多分量雷达信号脉内调制方式识别方法。获取几种不同脉内调制方式的单分量或交叠多分量雷达信号的时频图像；利用图像处理算法，对雷达信号时频图像进行预处理，将雷达信号中包含的信号类型作为标签，制作训练集和测试集；设计基于卷积神经网络的预训练网络提取雷达信号时频图像特征，设计基于强化学习的多分量信号分类网络获取分类识别结果；训练、测试、完善网络结构和参数；实现多分量信号的分类识别。本发明所述的多分量雷达信号识别算法在低信噪比情况下，具有广泛的雷达信号类型适应范围和较高的识别准确率，实现了随机交叠多分量雷达信号的脉内调制方式识别。

主权项

1.一种多分量雷达信号脉内调制方式识别方法，其特征在于，包括：/n步骤一：获取几种不同脉内调制方式的单分量或交叠多分量雷达信号的时频图像，包括LFM信号、MP信号、SFM信号、BPSK信号、2FSK信号、4FSK信号、EQFM信号和Frank信号，将这些信号作为样本信号，利用时频分布将雷达接收机接收到的信号转换得到雷达信号时频图像；/n步骤二：利用图像处理算法，对上述步骤一得到的雷达信号时频图像进行预处理，通过二维维纳滤波抑制时频图像噪声，然后对时频图像的大小进行调整并幅度归一化，将经过预处理的雷达信号时频图像作为样本，将雷达信号中包含的信号类型作为标签，制作得到训练集和测试集；/n步骤三：根据算法需求，整体网络提取时频图像特征并根据提取到的特征进行多标签分类识别，设计基于卷积神经网络的预训练网络提取雷达信号时频图像特征，并设计基于强化学习的多分量信号分类网络获取分类识别结果；/n步骤四：根据上述步骤二中得到的训练集对上述步骤三中设计的网络架构进行训练，并利用上述步骤二中获得的测试集对网络的识别效果进行测试，根据测试结果，完善网络结构和参数，得到训练完成的网络；/n步骤五：对上述步骤一中任意随机交叠信号经过上述步骤二的处理后作为待识别的雷达信号时频图像样本，输入上述步骤四训练完成的网络中，训练完成的网络即可根据输入给出当前信号中包含的雷达信号类型集，实现多分量信号的分类识别。/n