技术特征：
1.一种基于等势星球图的辐射源个体识别方法，其特征在于，包括以下步骤：s1：采集型号相同的多个辐射源个体的信号数据；s2：对所述信号数据进行数据预处理，得到信号星座图；s3：对所述信号星座图中的数据点进行点密度计算，并根据点密度计算结果对所述信号星座图进行上色处理，得到等势星球图；s4：使用卷积神经网络对所述等势星球图进行特征提取和分类；s5：输出识别结果。2.如权利要求1所述的基于等势星球图的辐射源个体识别方法，其特征在于，所述信号数据包括i路信号数据和q路信号数据。3.如权利要求2所述的基于等势星球图的辐射源个体识别方法，其特征在于，所述对所述信号数据进行数据预处理，得到信号星座图具体为：将多个辐射源个体的每个采样点的所述信号数据中的i路信号数据作为信号星座图的横坐标，并将每个采样点的所述信号数据中的q路信号数据作为信号星座图的纵坐标，从而将多个辐射源个体的信号数据映射为所述信号星座图。4.如权利要求3所述的基于等势星球图的辐射源个体识别方法，其特征在于，采用窗函数来进行所述点密度计算。5.如权利要求3所述的基于等势星球图的辐射源个体识别方法，其特征在于，所述窗函数为密度窗函数，所述采样点处的归一化点密度ρ为：其中，ρ(i)表示第i个采样点的归一化点密度，h(i)表示获取第i个采样点在所述信号星座图的横坐标，v(i)表示获取第i个采样点在所述信号星座图的纵坐标，r代表计算归一化点密度正方形区域的边长的一半，n代表所述信号星座图中采样点的总数，f(x)满足如下的表达式：6.如权利要求5所述的基于等势星球图的辐射源个体识别方法，其特征在于，所述r＝sqrt((range(x)/30)^2+(range(y)/30)^2)，其中x表示i路信号数据，y表示q路信号数据，range函数表示求解向量中最大值与最小值之差，sqrt表示开根号。7.如权利要求1所述的基于等势星球图的辐射源个体识别方法，其特征在于，所述根据点密度计算结果对所述信号星座图进行上色处理具体为：选择不同的颜色，对所述信号星座图中具有不同归一化点密度值或者不同归一化点密度范围的数据点处进行上色。8.如权利要求7所述的基于等势星球图的辐射源个体识别方法，其特征在于，使用黄色至绿色至蓝色的渐变颜色色条中的颜色依次表示由高至低的归一化点密度。9.如权利要求1所述的基于等势星球图的辐射源个体识别方法，其特征在于，所述卷积
神经网络为alexnet。
技术总结
一种基于等势星球图的辐射源个体识别方法，包括以下步骤：S1：采集型号相同的多个辐射源个体的信号数据；S2：对所述信号数据进行数据预处理，得到信号星座图；S3：对所述信号星座图中的数据点进行点密度计算，并根据点密度计算结果对所述信号星座图进行上色处理，得到等势星球图；S4：使用卷积神经网络对所述等势星球图进行特征提取和分类；S5：输出识别结果。本发明通过将IQ两路信号数据从信号域转变到基于等势星球图的图域，再通过卷积神经网络自动有效地提取由信号携带的辐射源个体的深层次的特征，将每一个等势星球图与信号数据对应，信号数据与辐射源个体对应，从而更加有效的将辐射源个体识别分类。辐射源个体识别分类。辐射源个体识别分类。
技术研发人员：林云 涂涯 常杰 窦峥 王美玉
受保护的技术使用者：哈尔滨工程大学
技术研发日：2020.05.12
技术公布日：2021/11/16