[发明专利]一种基于集成神经网络和信号图的辐射源识别方法

说明书

本发明公开了一种基于集成神经网络和信号图的辐射源识别方法，包括以下步骤：提取辐射源数据的信号序列；构建信号序列的信号图；将信号序列与信号图输入到集成神经网络，提取信号序列特征与图特征，并进行特征拼接组成集成特征；将信号序列特征、图特征和集成特征分别放入序列分类器、图分类器和集成分类器，计算得到辐射源信号的分类结果；损失值反向传播，更新模块参数。本发明能够有效提高辐射源识别性能。

技术领域

本发明涉及辐射源信号识别技术领域，特别是一种基于集成神经网络和信号图的辐射源识别方法。

背景技术

在高度数字化、信息化的当今社会，电磁信号辐射成为信息传输、测距、导航、成像等应用的重要技术手段。如今，无论是国防科技、工业生产还是日常生活都离不开电磁信号辐射技术。而日益发展的电磁信号辐射技术也给辐射源识别带来更多的要求和挑战。辐射源识别包括辐射源类型识别、辐射源个体识别、电磁信号调制类型识别、电磁信号信道编码识别等。辐射源识别是对后续辐射源身份验证，信号解调、译码的重要前提，在信号监测、频谱管理、战场侦察和电子对抗等军、民电磁频谱应用领域中发挥关键作用。

在军用领域，辐射源识别技术主要应用于识别战场的通信电台目标、雷达目标，包括敌军的飞机、舰艇、装甲部队等不同装备的通信电台与雷达装备。辐射源识别技术作为电子战系统的基础技术之一，其重要性不可小觑。现代军事中使用辐射源技术，有助于辅助我方确定敌方使用了何种作战装备，出动了何种军事单位，以及敌方的战术和战略动向等信息，为我方在战场上占据军事行动主动权提供有力支撑。在民用领域，辐射源识别技术主要用于无线设备身份安全验证和频谱资源检测等。辐射源识别技术通过提取无线电设备的物理层指纹(通常由辐射源无意调制形成)实现对设备的身份识别认证，不需要对信号解译并对比密钥。因此，辐射源识别技术能在物理层为无线网络安全提供有效的保护。由此可见，辐射源识别技术在军事无线电台识别、雷达装备及民用通信设备身份认证和无线频谱管理等方面都具备广阔的应用前景和重大的研究意义。

传统的辐射源识别方法受限于手工特征提取方法的有效性，适用性较差，现有的深度学习方法虽然能一定程度上缓解传统方法的缺点，但是网络结构和卷积算子没有经过专门的设计，模型的识别准确率和鲁棒性等常常不能满足应用需求。

发明内容

鉴于此，本发明提供一种基于集成神经网络和信号图的辐射源识别方法，以解决上述技术问题。

本发明公开了一种基于集成神经网络和信号图的辐射源识别方法，包括以下步骤：

步骤1：提取辐射源数据的信号序列；

步骤2：构建信号序列的信号图；

步骤3：将信号序列与信号图输入到集成神经网络，提取信号序列特征与图特征，并进行特征拼接组成集成特征；

步骤4：将信号序列特征、图特征和集成特征分别放入序列分类器、图分类器和集成分类器，计算得到辐射源信号的分类结果；

步骤5：损失值反向传播，更新模块参数，然后重新执行步骤1至步骤4。

进一步地，所述步骤2包括：

通过向信号序列的不同采样点之间添加邻接边，以构造信号图。

进一步地，所述邻接边的权重系数的表达式为：

其中，k表示邻接边的权重系数，d表示邻接节点与中心节点在信号序列中的距离，σ是形状参数；邻接节点和中心节点之间的距离d越小，邻接节点值对中心节点值的影响越大，反之，影响越小。

进一步地，将权重系数的集合记为权重矩阵K，其维度为length×length，权重矩阵K与其元素ki_j之间的关系的表达式为：