[发明专利]一种基于双谱特征提取的半监督特定辐射源识别方法

权利要求书

1.一种基于双谱特征提取的半监督特定辐射源识别方法，其特征在于，包括以下步骤：

获取发射极的辐射源信号和辐射源信号样本；

将所述辐射源信号输入训练好的生成对抗网络半监督模型，以进行信号识别处理；其中，所述训练好的生成对抗网络半监督模型是基于所述辐射源信号样本的双谱估计作为特征表示训练得到；

根据所述信号识别处理，对所述发射极的辐射源信号进行分类识别。

2.根据权利要求1所述的方法，其特征在于，所述训练好的生成对抗网络半监督模型是基于所述辐射源信号样本的双谱估计作为特征表示训练得到，包括：

将所述辐射源信号样本分为标记样本和未标记样本；

将所述标记样本和未标记样本输入所述对抗网络半监督模型，选择降维后的双谱估计作为个体识别的特征向量，并将所述降维后的双谱估计和所述辐射源信号样本串联以提取输入序列的时间关联度；

基于所述输入序列的时间关联度，利用预设数据的标签编码作为额外的条件变量以得到训练好的生成对抗网络半监督模型。

3.根据权利要2所述的方法，其特征在于，对于来自K个所述辐射源信号样本的标记数据集有监督判别器通过Softmax层输出其判别概率：

其中，l_k,k＝1,2,...,K为K维分类向量中的元素，K为辐射源的个数。

4.根据权利要求3所述的方法，其特征在于，对于来自K个所述辐射源信号样本的未标记数据集将生成器的输出标记为第K+1类，对于所述未标记数据集的判别表示为：

p_model(c＝K+1|x)＝1-D(x)

其中，D(x)来自于无监督判别器。

5.根据权利要求4所述的方法，其特征在于，对于所述生成器的隐含矢量经过Dense和Reshape层后成为维度为24*100的特征矢量，经过6个预设模块后输出1*1500的信号分量。

6.根据权利要求5所述的方法，其特征在于，对于所述判别器输入为所述辐射源信号样本或隐含矢量，经过Dense和Reshape层后输出1536*1的特征矢量，经过7个预设模块将输出经过全连接层展平后分别输入Sigmoid层，得到第K+1类的无监督判别概率，以及经过Softmax层输出对K类所述辐射源信号样本的监督判别概率。

7.根据权利要求6所述的方法，其特征在于，按照输入的所述辐射源信号样本的类型将损失函数划分为来自标记样本的损失L_{x_Labled}、来自未标记样本的损失L_{x_Unlabled}以及生成样本损失L_G(z|c)。

8.根据权利要求7所述的方法，其特征在于，用交叉熵表示所述来自标记样本损失L_{x_Labled}，计算真实类别分布P(x)和预测类别分布Q(x)的K-L散度，则所述判别器的损失函数表示为：

其中，P_model(·)表示预测类的概率。

9.根据权利要求8所述的方法，其特征在于，对于所述未标记样本的损失L_{x_Unlabled}，则所述判别器中属于无监督学习部分的损失函数表示为：

对于所述生成样本损失L_G(z|c)则定义为将生成样本判断为假样本的损失。