[发明专利]基于时频分布奇异值分解的雷达信号识别方法

摘要

本发明公开了一种基于时频分布奇异值分解的雷达信号识别方法，主要解决现有技术中在低信噪比情况下雷达信号的识别率低的问题。本发明实现的步骤如下，(1)电子侦察接收机实时接收雷达高频脉冲信号；(2)预处理；(3)计算信号的径向高斯核时频分布；(4)特征值提取；(5)分类识别。本发明基于时频分布的奇异值分解提取雷达信号特征值，有效地消除了噪声的影响，能够自适应于多种类型信号，适用于在低信噪比情况下对目标雷达信号的分类识别。

主权项

1.一种基于时频分布奇异值分解的雷达信号识别方法，其特征在于，包括如下步骤：(1)电子侦察接收机实时接收雷达高频脉冲信号；(2)预处理：(2a)利用低通滤波器，将雷达高频脉冲信号变频为中频信号；(2b)对中频信号进行模数A/D采样处理，得到观测信号；(3)计算观测信号的径向高斯核时频分布：(3a)按照下式，计算每个观测信号在每个取样时间和每个取样频率内的时频值：其中，Pi(t,ω)表示第i个观测信号在第t个取样时间和第ω个取样频率的时频值，π表示圆周率，∫∫dθdτ表示二重积分操作，θ表示观测信号取样频移，0≤θ＜π，τ表示观测信号取样时移，Ai(θ,τ)表示第i个观测信号在第θ个频移和第τ个时移下的模糊值，φ(θ,τ)表示第i个观测信号在第θ个频移和第τ个时移下的核值；(3b)将观测信号在所有的取样时间和取样频率内的时频值组成信号的径向高斯核时频分布；(4)提取观测信号的特征值：(4a)对每个观测信号的径向高斯核时频分布进行奇异值分解，从中选择前两个奇异值作为观测信号特征值；(4b)对每个观测信号进行100次采样提取特征，将100个特征值组成特征样本集；(4c)将每个观测信号特征样本集作为未标记样本集；(5)识别观测信号：(5a)利用雷达识别系统模板库中原始已标记的信号样本集，训练第一个支持向量机SVM分类器，对未标记样本集进行分类，获得样本分类标签；(5b)从未标记样本集中选择10个信息量丰富的信号样本，进行人工标记，将人工标记好的10个样本添加到已标记的样本集中，并将其从未标记样本集中去掉，更新标记样本集和未标记样本集；(5c)用更新后的标记样本集训练第二个分类器，对未标记样本集进行分类，获得样本分类标签；(5d)如果两个分类器中的样本类型相同，则将第一个分类器分类结果中具有相同类型的样本进行标记，设置为伪标记信号样本集；(5e)使用伪标记信号样本集和标记数据集训练第一个分类器SVM，对未标记样本集进行分类，获得样本分类标签；(5f)判断迭代次数是否等于10，若是，则执行步骤(6)，否则，执行步骤(5b)；(6)输出观测信号分类结果：利用已标记信号样本集和伪标记的信号样本集训练SVM分类器，对观测信号进行分类识别，输出结果。