买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本发明公开一种基于双三次插值和WVD特征方阵的雷达辐射源智能识别方法，计算雷达辐射源信号的WVD，取矩阵模值后得到原始特征矩阵；利用双三次插值法处理原始特征矩阵，归一化处理后得到WVD特征方阵；综合WVD特征方阵和标签，构建WVD特征方阵数据集，随机抽取训练集和验证集，完成CNN模型训练；对截获雷达辐射源信号进行预处理，形成待识别辐射源的WVD特征方阵；利用训练好的CNN模型对待识别辐射源的WVD特征方阵进行辨识，确定雷达辐射源的类别。本发明能有效识别该类辐射源，满足电磁战领域的实际需求。

主权项：1.一种基于双三次插值和WVD特征方阵的雷达辐射源智能识别方法，其特征在于，包括以下阶段：阶段1，计算雷达辐射源信号的WVD，取矩阵模值后得到原始特征矩阵；阶段2，利用双三次插值法处理原始特征矩阵，归一化处理后得到WVD特征方阵；阶段3，综合WVD特征方阵和标签，构建WVD特征方阵数据集，随机抽取训练集和验证集，完成CNN模型训练；阶段4，对截获雷达辐射源信号进行预处理，形成待识别辐射源的WVD特征方阵；阶段5，利用训练好的CNN模型对待识别辐射源的WVD特征方阵进行辨识，确定雷达辐射源的类别；阶段1，计算雷达辐射源信号的WVD，取矩阵模值后得到原始特征矩阵，其中WVD具体计算公式如下： 其中，xt代表雷达辐射源信号，τ代表时移变量，ω代表WVD变换后的频率因子；阶段2，利用双三次插值法处理原始特征矩阵，归一化处理后得到WVD特征方阵，具体步骤如下：1根据采集的一维雷达信号的维度确定缩放因子K，假设截获原始雷达信号尺度为1,k，那么阶段1中原始特征矩阵维度为k,2k，缩放因子K＝km,2km，待求坐标X,Y对应到原始特征矩阵位置的坐标为x,y＝XK,YK，其中m代表待训练CNN模型的输入尺寸，取值为500；2取原始特征矩阵位置的坐标x,y最近16个坐标点xi,yj，其中i,j∈{0,1,2,3}；3计算待求WVD特征方阵的任意坐标X,Y对应的矩阵值，计算公式如式2所示； 其中，x,y为阶段1中求得的x,y，xi,yj为阶段2第2步中所求16个坐标点，函数f代表坐标点xi,yj对应的矩阵值，Wl是bicubic函数如式3所示； 其中，l等于公式2中的x-xi，a为权重因子，取值为0.5；4对fX,Y进行归一化处理，即得最终的WVD特征方阵；阶段3，综合WVD特征方阵和标签，构建WVD特征方阵数据集，随机抽取训练集和验证集，完成CNN模型训练，其中CNN模型具体如下：在全连接层非线性激活之前进行BatchNormalization处理；使用one-hot对标签进行编码；模型参数如表2所示；表2CNN结构 网络层名称 输入尺寸 输出尺寸 输入层 500,500,1 500,500,1 卷积层15,3,3,’same’ 500,500,1 500,500,15 最大池化层2,2,’same’ 500,500,15 250,250,15 卷积层15,3,3,’same’ 250,250,15 250,250,15 最大池化层2,2,’same’ 250,250,15 125,125,15 卷积层15,3,3,’same’ 125,125,15 125,125,15 最大池化层2,2,’same’ 125,125,15 63,63,15 卷积层20,3,3,’same’ 63,63,15 63,63,20 最大池化层2,2,’same’ 63,63,20 32,32,20 。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种基于双三次插值和WVD特征方阵的雷达辐射源智能识别方法