[发明专利]一种基于HyDeep-Att网络的波形捷变雷达辐射源识别方法

说明书

本发明属于雷达信号处理技术领域,公开了一种基于HyDeep‑Att网络的波形捷变雷达辐射源识别方法，该方法包括如下步骤：首先，对脉冲信号数据进行分布式表示，生成高维稀疏的信号特征；然后设计使用动态CNN模型提取波形捷变雷达辐射源信号的不同层次的结构细节特征，使用长短时间记忆网络提取其时序特征；为得到能够表征波形捷变特性的深层特征，采用基于注意力机制的方法将上述提取出的结构细节特征与时序特征相融合，同时可减小复杂电磁环境中噪声对雷达辐射源特征数据的影响；最终，输入到Softmax层中以完成波形捷变雷达辐射源的识别。本方法能够有效解决波形捷变雷达辐射源的识别问题，与传统模型和其他深层模型相比识别准确率提高了1.26%。

技术领域

本发明涉及雷达信号处理技术领域，尤其是涉及一种基于HyDeep-Att网络的波形捷变雷达辐射源识别方法。

背景技术

雷达辐射源识别(radar emitter recognition,RER)是雷达对抗侦察中的关键环节，它是在分选的基础上提取雷达辐射源信号中的特征参数和工作参数，在这些参数的基础上可获取该目标辐射源的体制、用途、型号、载体平台等信息，进而能够对战场态势、威胁等级、活动规律和战术意图等进行推理，为己方决策提供重要情报支持。

当电磁环境空间中雷达辐射源脉冲流密度较低，雷达辐射源信号的常规特征参数基本恒定时，传统的识别模型能够取得很好的效果。随着电磁环境的日益复杂以及雷达技术的不断发展，未来将出现越来越多的使用捷变波形的现代数字可编程雷达，其信号形式包括捷变频、变脉宽和重频变换等，仅仅依靠常规的信号特征难以有效地将这些复杂体制雷达辐射源识别出来。因此，迫切需要采用一种新的识别模型结构来研究波形捷变雷达辐射源的识别问题，以满足新时代电子战的要求。

在雷达辐射源识别技术发展早期，由于电子对抗技术以及电磁环境较为简单，这个阶段的雷达辐射源识别技术主要研究基于信号特征参数的模板匹配法，其缺点为对先验知识有很强的依赖性，识别效果很大程度上取决于数据库中雷达辐射源信号的种类和收集到的参数的好坏。为了弥补模板匹配法的不足，应对逐渐复杂的电磁环境，研究人员开始将人工智能技术加入到雷达辐射源的识别中，其缺点为没有从雷达信号自身的特点入手进行特征提取等工作，无法应对新体制下调制参数复杂多变的雷达辐射源。随着科学技术的发展，新体制雷达在现代战争中所占的数量越来越多，研究人员开始对雷达辐射源信号的脉内特征进行分析，其缺点为这些方法适用信号类型有限，大部分都是针对几种特定的雷达辐射源，且没有考虑噪声的影响。综上所述，现有的大部分方法都没有主要针对波形捷变的雷达辐射源进行研究，这并不符合实际的使用情况，该问题是目前研究电子对抗中雷达辐射源识别必须面对的难题。

波形捷变雷达辐射源指其信号参数发生迅速变化的雷达辐射源，该参数主要是指载频、脉宽、脉冲重复频率。故捷变频信号、变脉宽信号、重频变换信号等多种复杂信号均属于此范畴。频率捷变雷达可以分为脉间捷变和脉组捷变，常用的类型有固定、跳跃、随机、正弦、锯齿、三角形等。变脉宽信号是指雷达辐射源信号的脉宽是多变的，可按照脉宽分成多部信号，当且仅当多部子信号都存在时，认为该信号存在。重频变换信号是指雷达为了分辨距离模糊或速度模糊或者为了对抗侦察干扰的目的所采用的各种不同形式的重频(PRI)，常用的类型有稳定、交错、暂停和切换、抖动、正弦波、锯齿、三角形等。

波形捷变雷达辐射源识别的输入是经过雷达信号分选后得到的脉冲序列，每个脉冲通常可由脉冲描述字来表示，即脉冲幅度(PA)、载波频率(RF)、脉宽(PW)、重频(PRI)和到达角(DOA)，这些参数是由被分类为相同雷达类型的脉冲计算得到的。波形捷变雷达辐射源识别的目的是确定雷达辐射源的具体类别，由于上述这些特征参数通常都会发生变化，导致雷达辐射源不能由某一组雷达脉冲描述字表示，即传统的处理方式不再适用，而必须由多组雷达脉冲描述字进行共同表示，增加了波形捷变雷达辐射源特征表示与提取的难度。

发明内容

为解决上述问题，本发明的目的是提供一种基于HyDeep-Att网络的波形捷变雷达辐射源识别方法。