[发明专利]一种基于集成深度学习的特定辐射源识别方法

摘要

一种基于集成深度学习的特定辐射源识别方法，属于信号处理以及辐射源识别技术领域。所述识别方法包括如下步骤：1)测量特定辐射源发射信号生成原始数据集；2)从原始数据集信号生成三维图像；3)将三维图像转换为二维图像；4)将二维图像送入学习器生成对应的识别模型；5)将待识别信号集生成三维图像；6)将三维图像生成二维图像；7)将二维图像送入4)生成的识别模型中得到辐射源识别结果和对应后验概率；8)将识别结果的后验概率使用集成学习方法进行再学习和训练，得到待识别信号的最终识别结果。所述方法用于电子情报侦察、无线频谱管理和无线网络安全管理，具有运算简单和识别精度较高的优点。

主权项

1.一种基于集成深度学习的特定辐射源识别方法，其特征在于：包括如下步骤：步骤1)用信号采集装置测量M个特定辐射源的发射信号生成原始数据集，并保存生成的原始数据集；其中，信号采集装置对每个特定辐射源采集K个信号，因此，原始数据集中包含M个特定辐射源的发射信号，共有K*M个信号；其中，步骤1)保存的原始数据集为已知归属种类的原始数据集，且原始数据集中的信号为一段时间序列，且时间序列中的每一个数据为复信号；步骤2)初始化k＝1；步骤3)对原始数据集中第k个信号中取长度为N的一段信号X^N_k，分别进行3A、3B以及3C操作，生成3个三维图像，具体为：3A、对X^N_k进行小波分析，得到小波系数，生成第k个三维小波系数图像；3B、对X^N_k进行双谱分析，得到双谱系数，生成第k个三维双谱系数图像；3C、对X^N_k进行三谱分析，得到三谱系数，生成第k个三维三谱系数图像；至此，3A、3B以及3C生成的1个三维小波系数图像、1个三维双谱系数图像、1个三维三谱系数图像合称为3个三维图像；步骤4)判断循环计数值k是否已经达到计数最大值K*M，并决定是否完成本方法，具体为：4.1若否，则k＝k+1，跳至步骤3)；4.2若是，则得到3K*M个三维图像，跳至步骤5)；步骤5)从步骤4)所得的3K*M个三维图像中各选取L个合适视角进行投影，得到3K*M*L个二维图像；其中，合适视角选取原则：三维小波系数图像投影得到二维小波图像，选取视角范围为(‑88°，0°)至(‑92°，0°)，以及(88°，0°)至(92°，0°)；三维双谱系数图像投影得到二维双谱图像，选取视角范围为(‑88°，0°)至(‑92°，0°)，以及(‑43°，0°)至(‑48°，0°)，以及(43°，0°)至(48°，0°)；三维三谱系数图像投影得到二维三谱图像，选取视角范围为(‑88°，0°)至(‑92°，0°)，以及(‑43°，0°)至(‑48°，0°)，以及(43°，0°)至(48°，0°)；由三维图像生成二维图像时，每一类选取L个视角生成多组二维图像；步骤6)将由原始数据集经步骤5)生成的二维图像送入学习器进行学习，生成对应的识别模型；步骤7)将K设置为[K*1/S]，并将j初始化为1；步骤8)用信号采集装置重新测量M个特定辐射源的发射信号生成待识别信号集，并保存生成的待识别信号集；其中，信号采集装置对每个特定辐射源采集K个信号，因此，待识别信号集中包含M个特定辐射源的发射信号，共有K*M个信号且保存的待识别信号不知归属种类；步骤9)对待识别信号集中第j个信号中取长度为N的一段信号Y^N_j，分别进行9A、9B以及9C操作，生成3个三维图像，具体为：9A、对Y^N_j进行小波分析，得到小波系数，生成第j个三维小波系数图像；9B、对Y^N_j进行双谱分析，得到双谱系数，生成第j个三维双谱系数图像；9C、对Y^N_j进行三谱分析，得到三谱系数，生成第j个三维三谱系数图像；至此，9A、9B以及9C生成的1个三维小波系数图像、1个三维双谱系数图像、1个三维三谱系数图像合称为3个三维图像；步骤10)判断循环计数值j是否已经达到计数最大值K*M，并决定是否完成本方法，具体为：10.1若否，则j＝j+1，跳至步骤9)；10.2若是，则得到3K*M个三维图像，跳至步骤11)；步骤11)从步骤10)所得的3K*M个三维图像中各选取L个合适视角进行投影，得到3K*M*L个二维图像；其中，L取值与步骤5)中相同，合适视角的选取原则与步骤5)相同，即：三维小波系数图像投影得到二维小波图像，选取视角范围为(‑88°，0°)至(‑92°，0°)，以及(88°，0°)至(92°，0°)；三维双谱系数图像投影得到二维双谱图像，选取视角范围为(‑88°，0°)至(‑92°，0°)，以及(‑43°，0°)至(‑48°，0°)，以及(43°，0°)至(48°，0°)；三维三谱系数图像投影得到二维三谱图像，选取视角范围为(‑88°，0°)至(‑92°，0°)，以及(‑43°，0°)至(‑48°，0°)，(43°，0°)至(48°，0°)；由三维图像生成二维图像时，每一类选取L个视角生成多组二维图像；步骤12)将待识别信号集经过步骤8)至步骤11)得到的二维图像作为输入，放入步骤6)生成的识别模型中，得到相应的对每一段待识别信号识别为某一类辐射源的识别结果和对应的后验概率；步骤13)将步骤12)得到的识别结果的后验概率使用集成学习方法进行再学习和训练，输出得到待识别信号的最终识别结果。