申请/专利权人：中国人民解放军国防科技大学

申请日：2024-03-05

公开（公告）日：2024-06-14

公开（公告）号：CN117851837B

主分类号：G06F18/22

分类号：G06F18/22;G06F17/18;G06F18/15;G06F18/213;G01S7/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提出一种基于细微直方图特征的辐射源目标识别方法与系统，属于雷达辐射源数据处理技术领域。所述方法构建若干个细微直方图区间，统计各个雷达辐射源信号所属的细微直方图区间以确定分布概率；将分布概率映射到标准工作域，以获取雷达辐射源信号序列的个体特征；计算个体特征与标准个体向量之间的相似度，并计算相似度的置信度，将高于识别置信度阈值的标准个体向量对应的雷达辐射源作为识别结果。本发明能够有效解决对大体量，多目标数据混杂的雷达辐射源全脉冲数据的分析识别问题，并能够有效克服噪声异常值的影响。

主权项：1.一种基于细微直方图特征的辐射源目标识别方法，其特征在于，所述方法包括：步骤S1、接收雷达辐射源信号序列，对所述雷达辐射源信号序列中各个雷达辐射源信号基于雷达辐射源参数的数值大小进行升序排序，得到经排序的雷达辐射源信号序列；步骤S2、基于所述经排序的雷达辐射源信号序列的序列值和细微直方图的最小分辨单元构建若干个细微直方图区间，统计所述经排序的雷达辐射源信号序列中各个雷达辐射源信号所属的细微直方图区间，以确定所述若干个细微直方图区间各自的统计频次，并基于所述统计频次计算分布概率；步骤S3、利用所述最小分辨单元将所述雷达辐射源参数的标准工作域划分为多个子空间，得到每个子空间的左边界和右边界，结合所述若干个细微直方图区间将所述分布概率映射到所述标准工作域，以获取所述雷达辐射源信号序列针对所述雷达辐射源参数在稀疏向量空间的个体特征；其中，在所述步骤S3中：所述雷达辐射源参数的标准工作域为Θ＝[θmin,θmax]，其中，θmin表示所述标准工作域的下边界，θmax表示所述标准工作域的上边界；经划分为多个子空间的所述标准工作域为Δi表示第i个所述子空间，M表示所述子空间的数目；其中，Δi＝[ci,di，Θ＝Δ1∪Δ2∪…∪Δm∪θmax，φ表示空集，∩表示交运算，∪表示并运算，ci和di分别表示子空间Δi的左边界和右边界，其中，在所述步骤S3中：遍历所述标准工作域的各个子空间，若子空间Δj满足ci＝αjdi＝βj，则子空间Δj的分布概率值为mi，否则，其分布概率值为0；从而将所述分布概率映射到所述标准工作域，以获取所述雷达辐射源信号序列针对所述雷达辐射源参数在稀疏向量空间的个体特征p；步骤S4、计算所述个体特征与雷达辐射源目标库中的标准个体向量之间的相似度，并基于所述相似度确定置信度，将高于置信度阈值的标准个体向量对应的雷达辐射源作为识别结果；其中，在所述步骤S4中，所述雷达辐射源目标库中的N个标准个体向量表示为所述个体特征p与雷达辐射源目标库中的第i个标准个体向量之间的相似度Si的计算方式为所述置信度为其中，当所述雷达辐射源参数的数目不止一个时，将所述雷达辐射源信号序列针对不止一个雷达辐射源参数在稀疏向量空间的个体特征进行拼接，将得到的拼接特征作为所述雷达辐射源信号序列的所述个体特征p。

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 一种基于细微直方图特征的辐射源目标识别方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD