[发明专利]一种雷达辐射源信号深度脉内特征自动提取方法

说明书

本发明提供了一种雷达辐射源信号深度脉内特征自动提取方法，首先通过对自编码器施以特定稀疏约束得到稀疏自编码器；然后对稀疏自编码器进行优化并确定其训练方案，利用编码层参数自动提取雷达信号深度脉内特征，在较大信噪比范围内，提取的特征能够较好地实现对雷达辐射源信号的分类识别。

技术领域

本发明涉及雷达信息处理领域，具体涉及一种雷达辐射源信号深度脉内特征自动提取方法。

背景技术

对雷达信号进行有效分选和识别的关键是提取出能够反映信号本质的特征，而深度学习理论下的自编码器(autoencoder,AE)以在输出层重构出原始输入作为目标，因其不需要额外的监督信息就能够提取数据的分布式特征，且能够避免设计特征时隐含的主观性，而成为近年来备受人们关注的一个热点方向。2006年，Hinton对原型自编码器结构进行改进，得到深度自编码器(deep autoencoder,DAE)，Bengio对深度自编码器进行深化，提出了一种稀疏自编码器(sparse autoencoder,SAE)，它通过对隐层节点加上稀疏约束，发现数据的内在结构；稀疏自编码器的不同稀疏性惩罚、隐藏层节点数目、前置处理等对其性能都会产生影响，利用稀疏编码器不仅可以进行深层特征提取，还可以完成缺陷检测、分类和盲源分离的工作。

现代雷达向多功能、多用途、多种体制方向发展，其波形设计日趋复杂，信号规律性也遭到严重破坏，依靠经验设计特征已不足以胜任当前电磁环境下的雷达信号脉内特征提取任务。因此，若能利用稀疏自编码器完成这一任务，则有望突破常规方法提取脉内特征所固有的桎梏。

发明内容

本发明针对雷达信号脉内特征提取时由于依赖先验知识而客观性不足的问题，提供一种雷达辐射源信号深度脉内特征自动提取方法，辐射源信号的正确识别效果较好。

为达到上述目的，雷达辐射源信号深度脉内特征自动提取方法分选步骤如下：

步骤1，对权值偏置和阈值赋值，对网络进行初始化；

所述网络根据下式进行计算：

式中，表示第l层第j单元与第l+1层第i单元之间的联结参数，b表示偏置项，h_W,b(x)表示自编码器的输出，它是激活值、联结参数W和偏置项b的函数，自编码器的目标是针对参数W和b来求其函数J(W,b)的最小值；

令表示当输入为x时隐层节点j的激活值，表示隐层单元节点j的平均激活值，加上特定稀疏约束：这里ρ是接近于0的稀疏参数，采用KL距离作为惩罚项：

SAE损失函数表达式为：

其中s₂是隐层神经元的数目，β用来控制稀疏惩罚项的权重；

然后针对参数W和b来求其函数J(W,b)的最小值，将每一个参数和初始化为一个很小的、接近零的随机值；

步骤2，随机选取类标数据样本用算法对神经网络进行训练，计算各层的输出；

所述各层的输出对于Gaussian型节点按下式计算：

所述各层的输出对于Bernoulli型节点按下式计算：

式中，和分别表示第1层节点i的输入和输出，表示节点的偏置值；w_ij表示和下一层各节点的连接权重，表示下一层节点的输出值；

步骤3，求出各层的重构误差，并根据误差修正权值和偏置；

所述误差由下式计算：