本發(fā)明屬于信號(hào)識(shí)別，具體涉及一種基于串聯(lián)bp神經(jīng)網(wǎng)絡(luò)的雷達(dá)復(fù)合有源干擾識(shí)別方法。

背景技術(shù)：

1、雷達(dá)作為一種非常重要的傳感器，主要負(fù)責(zé)探測(cè)、通信、預(yù)警、導(dǎo)航等工作，在態(tài)勢(shì)預(yù)警與目標(biāo)精確探測(cè)方面占據(jù)重要地位。然而現(xiàn)代隨著電子技術(shù)的不斷發(fā)展，層出不窮的雷達(dá)有源干擾信號(hào)在時(shí)域、頻域等維度，通過(guò)壓制、欺騙等多種干擾方式，對(duì)雷達(dá)的正常工作產(chǎn)生了巨大影響。通常來(lái)講，一整套雷達(dá)抗干擾系統(tǒng)，首先應(yīng)該包含對(duì)雷達(dá)干擾的類型識(shí)別，其次是具有針對(duì)不同種類干擾的抗干擾方法，最后再加以對(duì)抗干擾方法實(shí)施的效果評(píng)估，以保證雷達(dá)能夠準(zhǔn)確、高效的進(jìn)行抗干擾，進(jìn)而保障其功能的正常使用。因此，作為抗干擾系統(tǒng)中的第一步，雷達(dá)干擾種類的識(shí)別方法的研究，具有重要的科研和戰(zhàn)略意義。

2、當(dāng)前主流雷達(dá)有源干擾識(shí)別方法的基本流程如圖1所示，首先，會(huì)對(duì)干擾信號(hào)進(jìn)行一定的信號(hào)處理和數(shù)據(jù)預(yù)處理，其中信號(hào)處理包括如傅里葉變換、短時(shí)傅里葉變換等，數(shù)據(jù)預(yù)處理一般包括標(biāo)準(zhǔn)化，歸一化等；其次對(duì)預(yù)處理得到的數(shù)據(jù)進(jìn)行特征提??；之后將特征輸入進(jìn)對(duì)應(yīng)的分類器中，得到對(duì)干擾信號(hào)的識(shí)別結(jié)果。

3、但是傳統(tǒng)的基于機(jī)器學(xué)習(xí)的雷達(dá)有源干擾信號(hào)識(shí)別，往往對(duì)單一的干擾進(jìn)行處理，而干擾的出現(xiàn)往往不是單一的，其可能會(huì)在時(shí)域和頻域上相互混疊。因此，傳統(tǒng)的識(shí)別方法在針對(duì)復(fù)合干擾時(shí)無(wú)法正常工作，不能準(zhǔn)確的識(shí)別出復(fù)合干擾信號(hào)的干擾類型。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供了一種基于串聯(lián)bp神經(jīng)網(wǎng)絡(luò)的雷達(dá)復(fù)合有源干擾識(shí)別方法，可以解決當(dāng)前的干擾識(shí)別方法不能識(shí)別符合干擾信號(hào)的問題。

2、第一方面，本發(fā)明實(shí)施例提供的一種基于串聯(lián)bp神經(jīng)網(wǎng)絡(luò)的雷達(dá)復(fù)合有源干擾識(shí)別方法方法，所述方法包括：

3、提取待識(shí)別信號(hào)的時(shí)域特征和頻域特征；

4、對(duì)待識(shí)別信號(hào)進(jìn)行分段傅里葉變換，提取待識(shí)別信號(hào)變換后的頻域特征；

5、將時(shí)域特征、頻域特征和變換后的頻域特征輸入至訓(xùn)練好的串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型，得到待識(shí)別信號(hào)的干擾類型；

6、其中，串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型是根據(jù)包括多種干擾類型的復(fù)合干擾信號(hào)訓(xùn)練的，串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型包括多級(jí)串聯(lián)的識(shí)別模塊，上一級(jí)識(shí)別模塊的識(shí)別類型由下一級(jí)識(shí)別模塊的識(shí)別類型復(fù)合而成。

7、第二方面，本發(fā)明實(shí)施例提供了一種基于串聯(lián)bp神經(jīng)網(wǎng)絡(luò)的雷達(dá)復(fù)合有源干擾識(shí)別裝置，所述裝置包括：

8、基礎(chǔ)特征提取模塊，基礎(chǔ)特征提取模塊用于提取待識(shí)別信號(hào)的時(shí)域特征和頻域特征；

9、傅里葉變換特征提取模塊，傅里葉變換特征提取模塊用于對(duì)待識(shí)別信號(hào)進(jìn)行分段傅里葉變換，提取待識(shí)別信號(hào)變換后的頻域特征；

10、干擾識(shí)別模塊，干擾識(shí)別模塊包括串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型，干擾識(shí)別模塊用于將時(shí)域特征、頻域特征和變換后的頻域特征輸入至訓(xùn)練好的串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型，得到待識(shí)別信號(hào)的干擾類型；

11、其中，串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型是根據(jù)包括多種干擾類型的復(fù)合干擾信號(hào)訓(xùn)練的，串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型包括多級(jí)串聯(lián)的識(shí)別模塊，上一級(jí)識(shí)別模塊的識(shí)別類型由下一級(jí)識(shí)別模塊的識(shí)別類型復(fù)合而成。

12、第三方面，本發(fā)明實(shí)施例提供了一種電子設(shè)備，包括處理器和存儲(chǔ)器，其中，存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序；處理器可以用于執(zhí)行存儲(chǔ)在存儲(chǔ)器中的計(jì)算器程序(指令)，以實(shí)現(xiàn)上述第一方面的方法。

13、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)由計(jì)算機(jī)程序，當(dāng)計(jì)算機(jī)程序被執(zhí)行時(shí)，可以實(shí)現(xiàn)如上述第一方面的方法。

14、本發(fā)明實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：由于本發(fā)明中的串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型識(shí)別模型是根據(jù)復(fù)合信號(hào)訓(xùn)練的，并由多級(jí)串聯(lián)的識(shí)別模塊構(gòu)成，每級(jí)識(shí)別模塊均可以對(duì)信號(hào)的干擾類型做更細(xì)一步的識(shí)別；因此通過(guò)多級(jí)的識(shí)別，能夠識(shí)別出復(fù)合信號(hào)的干擾類別。進(jìn)一步地，通過(guò)提取信號(hào)的分段傅里葉特征來(lái)識(shí)別信號(hào)，能夠增強(qiáng)模型的識(shí)別性能，提高信號(hào)的識(shí)別效果。

技術(shù)特征：

1.一種基于串聯(lián)bp神經(jīng)網(wǎng)絡(luò)的雷達(dá)復(fù)合有源干擾識(shí)別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述時(shí)域特征包括以下中的一項(xiàng)或多項(xiàng)：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述頻域特征包括以下中的一項(xiàng)或多項(xiàng)：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述待識(shí)別信號(hào)進(jìn)行分段傅里葉變換，提取所述待識(shí)別信號(hào)變換后的頻域特征，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述拼接所述分段頻域特征，得到所述變換后的頻域特征，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型包括兩級(jí)識(shí)別模塊，所述串聯(lián)bp神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練方法包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述復(fù)合干擾信號(hào)由兩種或三種干擾信號(hào)復(fù)合而成。

8.一種基于串聯(lián)bp神經(jīng)網(wǎng)絡(luò)的雷達(dá)復(fù)合有源干擾識(shí)別裝置，其特征在于，所述裝置包括：

9.一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被所述電子設(shè)備執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于串聯(lián)BP神經(jīng)網(wǎng)絡(luò)的雷達(dá)復(fù)合有源干擾識(shí)別方法，包括：提取待識(shí)別信號(hào)的時(shí)域特征和頻域特征；對(duì)待識(shí)別信號(hào)進(jìn)行分段分段傅里葉變換，提取待識(shí)別信號(hào)變換后的頻域特征；將時(shí)域特征、頻域特征和變換后的頻域特征輸入至訓(xùn)練好的串聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型，得到待識(shí)別信號(hào)的干擾類型；其中，串聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型是根據(jù)包括多種干擾類型的復(fù)合干擾信號(hào)訓(xùn)練的，串聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型包括多級(jí)串聯(lián)的識(shí)別模塊，上一級(jí)識(shí)別模塊的識(shí)別類型由下一級(jí)識(shí)別模塊的識(shí)別類型復(fù)合而成。本發(fā)明提供的識(shí)別方法能夠識(shí)別出復(fù)合干擾信號(hào)的干擾類型。

技術(shù)研發(fā)人員：朱圣棋,徐駿浩,關(guān)中意,蘭嵐,李西敏
受保護(hù)的技術(shù)使用者：西安電子科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21