一种雷达接收信号类型分类识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111985349A(43)申请公布日2020.11.24(21)申请号202010748712.7(22)申请日2020.07.30(71)申请人河海大学地址210024江苏省南京市江宁开发区佛城西路8号(72)发明人王峰胡江湖吉丰周峻(74)专利代理机构南京纵横知识产权代理有限公司32224代理人董建林(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G01S7/36(2006.01)权利要求书1页说明书8页附图2页(54)发明名称一种雷达接收信号类型分类识别方法及系统(57)摘要本发明公开了一种雷达接收信号类型分类识别方法及系统，获取雷达的接收信号；对接收信号进行动目标检测处理得到三维距离‑多普勒平面；对三维距离‑多普勒平面进行处理，得到三维距离‑多普勒平面的俯视特征图，将俯视特征图转换为灰度图并进行二值化处理得到二值特征图；将二值特征图输入到预先训练好的基于神经网络的雷达场景信号处理模型中，输出分类识别结果。优点：本发明采用神经网络实现对各类雷达接收信号的分类，解决了抑制算法与接收信号不匹配的问题，为雷达接收信号类型的分类识别提供了新的参考方向。CN111985349ACN111985349A权利要求书1/1页1.一种雷达接收信号类型分类识别方法，其特征在于，获取雷达的接收信号；对接收信号进行动目标检测处理得到三维距离-多普勒平面；对三维距离-多普勒平面进行处理，得到三维距离-多普勒平面的俯视特征图，将俯视特征图转换为灰度图并进行二值化处理得到二值特征图；将二值特征图输入到预先训练好的基于神经网络的雷达场景信号处理模型中，输出分类识别结果。2.根据权利要求1所述的雷达接收信号类型分类识别方法，其特征在于，所述雷达场景信号处理模型中的场景信号包括连续波干扰信号、转发式干扰信号、目标信号和杂波信号。3.根据权利要求1所述的雷达接收信号类型分类识别方法，其特征在于，所述基于神经网络的雷达场景信号处理模型的构建过程包括：获取不同雷达场景下的接收信号，经过动目标检测处理和二值化处理后，构建训练集；之后通过训练集训练得到训练好的网络，再对测试集进行测试，获得无标注训练集；利用无标注训练集训练稀疏自编码，得到无标注训练集的隐层特征表达集，将类别标注集和隐层特征表达集组合为Softmax分类器的训练数据集，利用所述训练数据集训练练Softmax分类器，得到基于神经网络的雷达场景信号处理模型。4.一种雷达接收信号类型分类识别系统，其特征在于，包括：获取模块，用于获取雷达的接收信号；动目标检测处理模块，用于对接收信号进行动目标检测处理得到三维距离-多普勒平面；二值化处理模块，用于对三维距离-多普勒平面进行处理，得到三维距离-多普勒平面的俯视特征图，将俯视特征图转换为灰度图并进行二值化处理得到二值特征图；输出模块，用于将二值特征图输入到预先训练好的基于神经网络的雷达场景信号处理模型中，输出分类识别结果。5.根据权利要求4所述的雷达接收信号类型分类识别系统，其特征在于，所述输出模块场景信号确定模块，用于确定雷达场景信号处理模型中的场景信号，所述场景信号包括连续波干扰信号、转发式干扰信号、目标信号和杂波信号。6.根据权利要求4所述的雷达接收信号类型分类识别方法，其特征在于，所述输出模块还包括模型构建模块，所述模型构建模块包括：训练集确定模块，用于获取不同雷达场景下的接收信号，经过动目标检测处理和二值化处理后，构建训练集；之后通过训练集训练得到训练好的网络，再对测试集进行测试，获得无标注训练集；模型确定模块，用于利用无标注训练集训练稀疏自编码，得到无标注训练集的隐层特征表达集，将类别标注集和隐层特征表达集组合为Softmax分类器的训练数据集，利用所述训练数据集训练练Softmax分类器，得到基于神经网络的雷达场景信号处理模型。2CN111985349A说明书1/8页一种雷达接收信号类型分类识别方法及系统技术领域[0001]本发明涉及一种雷达接收信号类型分类识别方法及系统，属于雷达信号处理技术领域。背景技术[0002]对雷达信号进行处理时，接收到的信号不仅仅只有目标信号，还存在大量的电子干扰。电子干扰是电子对抗的重要组成部分，本质上是一种电波扰乱措施，目的是削弱或破坏敌方的各种电子设备和系统进行侦察、指挥、通信和武器控制的能力，可以大幅提高己方飞机和舰艇的生存能力。电子干扰可以大致分为欺骗式电子干扰和压制式电子干扰：欺骗性电子干扰可以理解为敌方发射与目标信号相同或相似的干扰信号，使信号处理的结果出现偏差，无法获取正确的目标信息；压制式电子干扰可以理解为敌方发射大功率的随机信号，虽然这种干扰没有参杂