一种基于神经网络的靶机告警方法与流程

本发明涉及雷达告警技术，具体涉及一种基于神经网络的靶机告警方法。

背景技术：

1、告警策略是机载雷达信号告警系统的核心技术之一。机载雷达告警系统威胁等级判定可以让系统在实时告警干扰中，对不同威胁程度的辐射源进行不同等级的干扰措施，最终达到最佳干扰效果，机载雷达告警系统威胁等级判定根据辐射源相关技术参数和工作状态指标，对危害能力与作战意图加以预估，使用加权处理的方法，对危害程度进行等级分类，将损失降到最低，实现机载雷达告警系统的科学进步。

2、传统告警策略多采用统计学方式，根据雷达扫描、跟踪等不同状态的雷达信号脉冲密度、脉冲载频、脉冲宽度以及脉冲重复周期的变化进行威胁等级判断。随着雷达技术迭代更新，雷达扫描与跟踪两种状态下雷达信号脉冲密度、脉冲载频、脉冲宽度以及脉冲重复周期的变化变得越来越小，因此采用统计学告警策略会导致更多的虚警和不告警情况的发生。

技术实现思路

1、发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于神经网络的靶机告警方法。

2、技术方案：本发明的一种基于神经网络的靶机告警方法，包括以下步骤：

3、步骤s1、对数据集中雷达输入信号数据进行预处理，包括数据清洗、数据标准化和数据归一化；雷达输入信号表示为y = x+n1+n2，y表示接收机输入信号，x表示目标信号，n1表示监测范围内的杂波信号，n2表示监测范围之外的杂波信号；预处理后的信号数据只包括目标信号x和表示监测范围内的杂波信号n1；

4、步骤s2、使用基于统计的告警策略进行告警知识数据库构建，同时将数据处理后的信号数据输入bp神经网络进行模型拟合训练；然后将bp神经网络训练结果用于告警知识数据库修正，根据拟合迭代次数采用时间遗忘因子对不同训练次数的结果进行告警知识数据库修正，并使用构建的告警知识数据库查询结果对bp神经网络训练过程中的神经元权重进行修正，辅助实现bp神经网络的快速拟合，直至bp神经网络训练效果最佳；

5、步骤s3、将当前靶机的信号数据输入步骤s2训练好的bp网络模型与告警知识数据库，使用告警知识数据库与bp神经网络模型同时决策告警策略，最终实现靶机告警。

6、进一步地，所述步骤s1对数据集中的数据进行数据清洗（根据设备使用场景，剔除接收机监测范围之外的数据信号，以此来滤除n2监测范围之外的杂波信号，方便后续模型训练及知识库构建），将接收机采样带宽外的噪声信号滤除，再将选用的雷达信号脉宽、脉冲密度、脉冲重复周期、到达水平角度、到达俯仰角度、信号功率和达到时间进行数据标准化及归一化处理；通过对雷达数据进行求极差(极差=最大值-最小值)后发现，一些数据极差较大，因此使用z-score标准化处雷达数据，能够避免因数据波动较大在训练过程中对bp神经网络产生影响，经过处理后的数据符合标准正态分布，即均值为0，标准差为1。

7、标准化公式如下：

8、；

9、，，为待处理的第 i个信号数据， n表示信号数据的总量。

10、由于数据集数据量较少，为了bp网络能够从中学到更多的内容，并且避免其训练结果出现过拟合现象，因此步骤s2使用k折线交叉验证法对预处理后的信号数据集循环使用，具体方法如下：

11、将预处理后的pdw数据按照7：3进行随机划分，每次都将其中的70%数据作为训练集，其中的30%数据作为验证集，直到完成k次神经网络的训练。最后计算k次求得分类的平均值，作为该模型的真实分类率，具体公式如下：

12、；

13、上式中， u是指第 u次进行的数据集划分，是指第 u次模型的输出结果， u的取值范围为1到k。

14、进一步地，所述步骤s2将步骤s1所得预处理后的信号数据使用基于统计的传统告警策略，具体过程为：1、扫描阶段

15、按照100m步进切换本振频点，统计每一个本振点雷达信号的脉冲个数，如果雷达脉冲个数大于10个，则判断为预警阶段；

16、 2、跟踪阶段

17、根据扫描阶段所预警的点数进行逐一定点扫描，每一个预警点停留5s。统计定点扫描阶段类对应雷达频点、脉宽、到达时间、到达水平角度、到达俯仰角度等信息的脉冲个数，若脉冲个数存在上升趋势，并一段时间内保持最高趋势，则确定为告警阶段；

18、 3、取消告警阶段

19、对告警的频点及逆行逐一定点扫描，每一个告警点停留5s，统计定点扫描阶段类对应雷达频点、脉宽、到达水平角度、到达俯仰角度等信息的脉冲个数，若脉冲个数存在下降趋势，并在很短的时间内到达最低状态，之后保持最低状态不变，则确定为取消告警阶段。

20、进一步地，所述步骤s2中构建告警知识数据库的具体过程如下：

21、基于自顶向下的知识图谱构建策略，选用雷达波段作为中心节点，将对应波段的频率、不同重周、脉宽、功率作为子节点，通过网络以及先验知识更新对应波段不同频点不同脉宽、功率、是否为威胁信号；所述威胁信号包括无威胁、低威胁、中威胁、高威胁。

22、进一步地，所述步骤s2首先基于k折线交叉验证的信号数据对bp神经网络进行训练，具体方法如下：

23、使用bp神经网络进行模型训练，输入训练参数包括雷达信号频率、雷达信号脉宽、雷达信号到达时间、雷达信号水平到达角度、雷达信号俯仰到达角度、雷达信号功率、雷达信号调制方式等参数；bp神经网络模型包括输入层和隐藏层，并使用dropout正则化处理及softmax函数。

24、其中，正则化处理的方法为：通过修改神经网络本身来实现优化，先删除部分的神经元，使梯度下降更新其他神经元的权值，等到下次再删除其他神经元进行上述操作，这也是目前神经网络中最有效的正则化方法。现有技术不使用dropout层，其神经网络在训练过程中极易出现过拟合现象。

25、其中，softmax函数的输入是从k个不同的线性函数得到的结果，而样本向量x属于第j个分类的概率为：

26、

27、其中，表示第个节点的输出值，表示第个节点的权重值。

28、使用构建好的告警知识数据库查询结果对预训练的bp神经网络进行修正，具体方法如下：

29、使用对应雷达信号脉冲描述字进行告警知识数据库匹配，对于直接能从告警知识数据库查询到相关威胁等级结果的雷达脉冲信号，则选用该威胁等级结果，修改bp神经网络隐藏层中的权重参数（对应不同频点、不同重周、脉宽功率，查找知识图谱，看哪一个参数威胁等级较高，则对应修改相关系数，保证修改后的系数之和为1），以便协助神经网络更快拟合相关模型。

30、进一步地，所述步骤s2中使用bp神经网络与基于统计告警策略协同对告警知识数据进行修正，具体方法为：

31、告警知识数据库在开始阶段是空的，随着bp神经网络迭代与基于统计规律运算后，逐渐完善告警知识数据库的构建，在该过程中由于神经网络随着迭代次数的增加，识别准确率也随之增加，因此，随着迭代次数递增，此处使用时间遗忘因子作为系数对知识图谱构建产生影响，时间遗忘因子为，则公式可表示为：

32、

33、其中为最新输入bp神经网络与传统统计方法的雷达信号所产生的pdw的威胁等级，为该pdw历史输入神经网络与传统统计方法的雷达信号所产生的雷达脉冲描述字pdw的威胁等级，。u(t)随着迭代次数的增加而增加。

34、进一步地，步骤s3使用修正后的bp神经网络和修正后的告警知识数据库进行告警策略决策，具体方法为：

35、将接收机接收到的信号进行数据清洗，去掉接收机带外信号，将辐射源描述字送至修正后的bp神经网络模型与告警知识数据库，将这两种模型所得结果一起送入告警决策模块及逆行决策，进行威胁等级判断与告警；

36、其中告警决策模块对bp神经网络模型以及告警知识数据库模型输出的结果进行决策，若告警知识数据库的知识图谱直接通过雷达参数查询得到的高威胁等级则判定为高置信度，则直接按照告警知识数据库模型给出的结果判定，若告警知识数据库中不存在对该结果的判断，则按照bp神经网络的结果输出；若所得知识图谱判定为低威胁，但经由bp神经网络判断为高威胁的信号，则将bp神经网络置信度调整为最高，判断为高威胁信号；若两种方式得到的威胁等级偏差不大，则使用权重加权计算，计算公式如下：

37、

38、其中，为加权系数，，表示bp神经网络的结果，为告警知识数据库的知识图谱查询结果。

39、有益效果：与现有技术相比，本发明具有以下有优点：

40、（1）本发明使用基于统计规律的雷达信号告警策略协同运算。

41、（2）为解决传统统计模型告警策略单一、因模型与实际情况不相符而出现的虚警与不告警情况，采用bp神经网络进行模型训练。

42、（3）本发明采用基于统计的告警策略与bp神经网络共同维护知识库方式，构建知识库，其中bp神经网络修正知识库使用时间遗忘因子，使得知识库更为准确。

43、（4）为加速告警速度与准确性，本发明使用bp神经网络模型与知识库共同决策告警策略。