[发明专利]一种雷达辐射源信号深度脉内特征自动提取方法

摘要

本发明提供了一种雷达辐射源信号深度脉内特征自动提取方法，首先通过对自编码器施以特定稀疏约束得到稀疏自编码器；然后对稀疏自编码器进行优化并确定其训练方案，利用编码层参数自动提取雷达信号深度脉内特征，在较大信噪比范围内，提取的特征能够较好地实现对雷达辐射源信号的分类识别。

主权项

1.一种雷达辐射源信号深度脉内特征自动提取方法，其特征在于，包括如下步骤：步骤1，对权值偏置和阈值赋值，对网络进行初始化；所述网络根据下式进行计算：式中，表示第l层第j单元与第l+1层第i单元之间的联结参数，b表示偏置项，h_W,b(x)表示自编码器的输出，它是激活值、联结参数W和偏置项b的函数，自编码器的目标是针对参数W和b来求其函数J(W,b)的最小值；令表示当输入为x时隐层节点j的激活值，表示隐层单元节点j的平均激活值，加上特定稀疏约束：这里ρ是接近于0的稀疏参数，采用KL距离作为惩罚项：SAE损失函数表达式为：其中s2是隐层神经元的数目，β用来控制稀疏惩罚项的权重；然后针对参数W和b来求其函数J(W,b)的最小值，将每一个参数和初始化为一个很小的、接近零的随机值；步骤2，随机选取类标数据样本用算法对神经网络进行训练，计算各层的输出；所述各层的输出对于Gaussian型节点按下式计算：所述各层的输出对于Bernoulli型节点按下式计算：式中，和分别表示第1层节点i的输入和输出，表示节点的偏置值；w_ij表示和下一层各节点的连接权重，表示下一层节点的输出值；步骤3，求出各层的重构误差，并根据误差修正权值和偏置；所述误差由下式计算：其中，θ表示网络参数，m表示训练样本个数，x表示网络的原始输入，fenc(x)表示网络的中间层编码输出，fdec(fenc(x))表示中间层编码结果经过解码网络所重构的输入；步骤4，根据性能指数判定误差是否满足要求，如果未能满足要求则重复步骤2和3，直到整个网络输出满足期望要求；步骤5，利用编码层参数对原始输入进行映射得到新特征，即：y＝f(x；θencode)；步骤5中，x表示原始雷达信号特征输入，θencode表示编码部分的网络参数，y表示基于深度自动编码器提取的中间层特征向量。