[发明专利]一种基于SAE的雷达辐射源PRI调制识别方法

说明书

本发明公开了基于SAE的雷达辐射源PRI调制样式识别方法，通过仿真软件产生三种相似度高的雷达辐射源PRI调制样式的数据集，将PRI数值与TOA关联生成二维分布特征，二值化后逐行合并为一维向量，分别产生训练集和测试集；设置SAE识别网络参数，使用训练集训练SAE网络；将测试集输入至完成训练的SAE网络，得到不同脉冲丢失条件下的PRI调制样式的识别率。本发明通过利用SAE网络提取雷达辐射源PRI参数的特征，保证脉冲丢失条件下仍可保证良好的识别能力，训练耗时少，提高在脉冲缺失下雷达辐射源PRI调制样式的识别率。

技术领域

本发明涉及采用无线电波的反射或再辐射的定位或存在检测领域，尤其是指一种基于SAE的雷达辐射源PRI调制样式识别方法。

背景技术

雷达辐射源识别是雷达对抗侦察中的重要组成部分，直接影响后续雷达辐射源行为推理和威胁评估结果的准确性。雷达辐射源PRI(Pulse Repeat Interval，脉冲重复间隔，本技术领域通用简写PRI)调制样式是雷达辐射源典型信号参数，相对于其他特征参数而言，稳定性和差异性优越，从中可提取关于雷达辐射源的平台、型号、工作状态等重要信息。通过对PRI调制样式特征的提取和应用，更加清晰地挖掘雷达辐射源的细微特征差异，进而提高精确识别率，故而识别雷达辐射源PRI调制具有重要意义。

随着雷达技术的快速发展，雷达体制和用途不断更新换代，信号形式愈变复杂，参数特征快捷变化，传统的参数匹配方法用于识别难以较好地解决问题。因此，研究人员从识别的两个根本问题入手，特征构建和识别算法。一方面，通过构建具有唯一性的参数特征表征雷达辐射源，提高不同雷达辐射源之间的差异性；另一方面，通过优异的识别算法提取不同雷达辐射源特征之间的细微区别，以实现提高识别率的目的。

申请号为201510907373.1、申请公布号为CN105403863A、申请人为哈尔滨工业大学、发明名称为”基于多特征提取的雷达脉冲重复间隔调制识别方法”的中国发明专利公开了一种雷达脉冲重复间隔调制方式识别方法，该发明通过定义7个特征量，实现对6种PRI调制方式的识别，但是脉冲丢失率对该方法的影响较大。

发表在《电子信息对抗技术》2020年5月刊的”一种基于全卷积神经网络的雷达PRI调制样式识别方法”，在该方法中采用深度学习网络中的长短时记忆网络和全卷积神经网络实现对不同PRI调制方式的识别，提高了脉冲丢失条件下的识别率，但是其识别对象的差异性较大，未考虑当不同PRI调制相似性大的条件下的识别问题。

发明内容

基于此，有必要针对现有技术中存在的上述问题，提供一种识别率高、训练耗时短、能够消除PRI数值的影响的基于SAE的雷达辐射源PRI调制样式识别方法。

为实现上述目的，本发明的技术方案是，所述方法的步骤如下：

步骤一，构建雷达辐射源PRI调制样式的数据集：

(1a)、利用Matlab仿真软件生成3种不同雷达辐射源PRI调制的数据集，包括PRI参差、PRI组变和PRI滑变；

(1b)、PRI参差调制变化规律为：以19μs，21μs，20μs，23μs四个值周期循环变化，

PRI组变调制变化规律为：以19μs，19μs，20λs，20λs，21μs，21μs，23μs，23μs周期重复，其中每个值均重复两次，

PRI滑变调制变化规律为：以19μs，23μs，20μs，21μs，21μs，20μs，23μs，19μs周期循环，包含19μs，23μs，20μs，21μs四个值的双向单滑，

(1c)、PRI参差、滑变和组变等调制的样本包含若干周期；

步骤二，对上述3种雷达辐射源PRI调制的数据进行预处理，生成训练集和测试集：

(2a)、将PRI随TOA的变化规律曲线转化为PRI-TOA的二维分布图；