[发明专利]一种基于融合网络的雷达有源干扰检测识别方法及装置

说明书

本发明涉及一种基于二级深度学习融合网络的雷达有源干扰检测、类型和样式智能识别方法及装置，属于信号处理技术领域。本发明采用图像与信号处理相结合的方法，通过采用均值滤波算法与门限信号检测对干扰信号进行检测，获得是否存在干扰以及干扰信号的多域参数，不仅增加干扰识别的鲁棒性，还为抗干扰决策提供依据。通过残差网络(ResNet)和基于注意力机制的长短时间记忆网络(Attention‑LSTM)的融合网络，从干扰信号的时频图像和频谱中自动提取多维特征，进而实现对干扰类型和样式的准确识别，仿真结果证明了本发明方法的先进性和可行性。

技术领域

本发明涉及信号处理技术领域，特别涉及雷达技术领域，具体是指一种雷达有源干扰信号检测、参数提取与干扰类型和样式识别方法及装置。

背景技术

根据干扰机理，雷达有源干扰可被分为压制式干扰和欺骗式干扰两类，其中压制式干扰主要是利用强噪声干扰淹没目标回波信号，通过大干信比，使雷达接收机无法正常检测目标回波信号；而欺骗式干扰，则是通过构造与雷达信号强相关的干扰信号，经过脉压处理后，将产生多个雷达系统不能区分的虚假目标，使得雷达无法分辨真假目标。

随着电子对抗的日趋复杂，特别是DRFM技术的发展，极大的增强了有源干扰的能力。然而雷达只有在准确识别干扰信号基础上，才能制定出相应的抗干扰的策略。目前针对有源干扰识别传统的方法主要是从时域、频域、时频域、变换域等领域设计区分度明显的特征参数，再经过预定的分类器对其进行分类。该类方法存在特征参数设计难度大，识别效果一般、难以适应大数据量情形且对不同干扰样式的识别结果差异大等问题，很大程度上限制了进一步的发展。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种可以提高干扰信号识别准确率，且具备干扰检测，干扰参数提取的雷达有源干扰信号检测、干扰类型和样式识别方法及装置。

为了实现上述的目的，本发明的雷达有源干扰信号检测、参数提取与干扰类型和样式识别方法包括以下步骤：

(1)下变频处理模块利用正交解调技术将所述的数字中频信号解调至零中频信号；

(2)对所述的零中频信号进行频域化处理，通过均值滤波与干扰检测，得到干扰是否存在和干扰信号频域、空域和能量域参数，并给出预处理模块的“使能”信号；

(3)对所述的零中频信号，再接收到“使能”信号基础上，第一路进行频域变换，得到其频谱，再做归一化和标准化处理；第二路进行时频变换，得到时频矩阵，将其做灰度离散化处理，并自适应裁剪至合适大小；将两路结果输出至二级深度学习融合网络；

(4)二级深度学习融合网络，主要包括对图像进行识别的ResNet网络，对序列进行识别的Attention-LSTM网络，以及将两个网络的输出进行融合的多层感知机网络。通过训练集对二级深度学习融合网络进行训练，得到训练模型及其固化参数。将所述的经过预处理环节的频谱和时频图，通过上述训练模型，最终实现干扰信号的类型和样式实时识别。

该雷达有源干扰检测、类型和样式智能识别方法中，所述的步骤(1)具体为：

所述的下变频处理模块将输入的所述数字中频信号分别与余弦信号和正弦信号进行混频，再经过低通滤波器，得到IQ两路正交信号。

该雷达有源干扰检测、类型和样式智能识别方法中，所述的步骤(2)包括以下步骤：

(21)采用周期图法对所述的零中频信号进行处理，得到干扰信号功率谱；

(22)对所述的干扰信号频谱进行均值滤波处理，滤除信号中的环境噪声，减小信号通带内的频谱抖动，得到平滑的干扰信号功率谱；

(23)采用双门限信号检测算法对所述平滑的干扰信号功率谱进行处理，为干扰信号的存在提供判决；