买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明公开了一种基于特征解耦的雷达辐射源个体识别方法，主要解决了雷达辐射源指纹特征提取和有意无意调制特征解耦对抗的技术问题。其实现方法包括：数据采集；数据预处理；设计指纹特征提取网络；设计多尺度局部注意力模块；形成指纹特征解耦对抗模型；得到雷达辐射源个体识别分类结果。本发明将雷达原始信号和包络信息共同输入到特征提取网络中，使用不同大小的卷积核捕捉不同尺度的特征，提取雷达个体信号中微弱的个体特征并获得较强的表征性；构建特征解耦对抗模型，利用有意调制特征和无意调制特征之间的对抗消除相同个体发射信号由于调制方式不同而导致的分布差异，提高雷达辐射源个体识别准确率，可用于检测雷达信号、识别雷达特征。

主权项：1.一种基于特征解耦的雷达辐射源个体识别方法，其特征在于，设计特征解耦对抗网络模型，分别提取与雷达指纹特征相关的有意调制特征和无意调制特征，利用有意调制特征和无意调制特征之间对抗学习，以适应在不同有意调制状态下雷达辐射源个体的识别，包括有以下步骤：步骤1、数据采集：设计基于AD9910直接数字频率合成器和USRP-2954R软件无线电设备的雷达辐射源信号模拟平台，采集得到雷达个体原始信号数据；步骤2、数据预处理：对雷达个体原始信号数据进行手工特征处理，获取该雷达个体原始信号数据的包络信息，将此包络信息与雷达原始信号结合，得到一个三维的融合特征，将此融合特征作为雷达个体信号数据输入到指纹特征提取网络中；步骤3、设计指纹特征提取网络：设计一个MKS-1DCNN网络，作为雷达辐射源的指纹特征提取网络，该网络的结构是输入为雷达个体信号数据，依次连接有第一卷积模块、第二卷积模块、第三卷积模块和全局平均池化层，在第一卷积模块和第二卷积模块后分别添加对应的第一多尺度局部注意力模块和第二多尺度局部注意力模块，即卷积模块的输出特征与多尺度的特征向量进行加权融合，作为下一卷积模块的输入，最终输出为雷达辐射源个体指纹特征；步骤4、设计多尺度局部注意力模块：设计第一多尺度局部注意力模块和第二多尺度局部注意力模块，MKS-AM结构的输入为卷积模块的输出指纹特征，输入样本并行连接到三个不同大小的卷积核，提取多尺度特征，在不同尺度上计算各特征的自注意力权重，对权重归一化，再对输入样本与多尺度特征加权融合，得到多尺度局部注意力模块的输出特征，该输出特征增强了指纹特征表征；步骤5、形成指纹特征解耦对抗模型：使用两个雷达辐射源指纹特征提取网络分别作为有意调制方式特征提取器和无意调制方式特征提取器，在有意调制方式特征提取器后设有调制方式分类器，在无意调制方式特征提取器后设有个体分类器；将提取到的有意调制特征同时输入到调制方式分类器和个体分类器中，提取到的无意调制特征也同时输入到调制方式分类器和个体分类器中，形成指纹特征解耦对抗模型；通过最大化自信息约束调制方式分类器不关注无意调制特征，同样也通过最大化自信息约束个体分类器不关注有意调制特征，利用二者之间的对抗学习消除相同雷达辐射源个体发射信号由于调制方式不同而导致的分布差异；步骤6、得到雷达辐射源个体识别分类结果：为采集得到的雷达辐射源个体添加有意调制方式，将测试雷达个体信号数据集输入到个体分类器中，得到个体识别分类结果，并计算分类准确率。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于特征解耦的雷达辐射源个体识别方法