本发明涉及一种功率变化剧烈情况下的雷达欺骗信号预测方法,属于雷达干扰识别、雷达抗干扰领域。
背景技术:
1、与传统压制干扰效果不同,欺骗信号以诱导欺骗为主要方式对雷达进行干扰,使我方武器开火,从而暴露位置。欺骗信号功率通常与雷达回波相近,但受到目标雷达截面积等因 素的影响,其功率短时间内可能存在剧烈起伏。上述情况使得两种信号特征提取变得极为不 稳定,直接导致特征空间分布范围扩大,传统神经网络难以对其有效拟合,导致识别性能严 重下降。选择功率不敏感特征,对网络结构的合理调整,能够使得识别性能所受影响减小,对于实现欺骗信号的有效识别,掌握战场有效信息具有重要意义。
2、发明目的
3、本发明的目的是提供一种基于卷积-循环两通道网络投票的功率变化雷达欺骗信号预 测方法以解决信号功率变化剧烈情况下特征提取不稳定、识别效果不佳的问题。本发明可有 效剔除回波中的欺骗信号,准确率可达到97%以上,能够提供正确的战场信息,且工程实现容易,具有推广价值,还可应用至通信信号识别领域。
技术实现思路
1、技术方案:
2、本发明的目的是这样实现的:提出一种基于卷积-循环两通道网络投票的功率变化雷达欺骗信号预测方法,包括:雷达回波频谱包络特征提取,上、下两通道基础分类器设计与训练、初步预测输出,基础分类器投票、最终预测输出。本发明所述系统的雷达接收端包含功率剧烈变化的目标回波和欺骗信号。首先,对接收信号进行快速傅里叶变换,提取频谱包络特征,并赋予类别标签,用于神经网络训练;对基础分类器进行设计,选择卷积神经网络作为上通道特征提取器,长短时记忆网络作为下通道特征提取器,并用concatenate拼接的方式完成特征融合,使用relu激活函数进行特征的非线性映射,将具备标签的信号频谱包络特征输入基础分类器进行训练,并用于雷达接收信号的预测,给出初步预测结果;根据所有基础分类器的预测结果进行投票,按照少数服从多数准则,给出最终预测结果;
3、在一个实施例中,目标回波和欺骗信号均为功率动态变化的线性调频信号,二者时延和多普勒频移不同;
4、在一个实施例中,雷达接收信号的信噪比范围为-10db~10db,欺骗信号与目标信号的功率比为1:1,干扰机系统函数包络起伏范围为±0.8db;
5、在一个实施例中,选择快速傅里叶变换和取模对频谱包络特征进行提取,选择峰值搜索和最大值归一化对特征进行预处理;
6、在一个实施例中,选择一维卷积神经网络作为上通道特征提取器,选择长短时记忆网络作为下通道特征提取器,选择flatten处理对特征进行展平,选择concatenate处理对上、下通道特征进行融合,选择relu作为非线性激活函数,完成基础分类器构建;
7、在一个实施例中,选择15个基础分类器进行投票,采用少数服从多数准则进行最终预测结果判决。
8、技术效果:
9、与现有技术相比,本发明考虑干扰机系统函数的影响,提取了更具区分性、稳定性的频谱包络作为特征;采用上、下通道特征融合和多个基础分类器投票的方式对雷达接收信号类别进行预测,提高了预测的准确性和稳定性,相对采用传统特征和单一分类器的预测方法较好的解决了功率变化情况下雷达欺骗信号预测准确率低的问题。
1.一种基于卷积-循环两通道网络投票的功率变化雷达欺骗信号预测方法,其特征包括: