PDW序列预处理方法、系统、计算机设备及存储介质与流程

pdw序列预处理方法、系统、计算机设备及存储介质
技术领域
[0001]
本发明涉及信号处理技术领域，尤其涉及一种pdw序列预处理方法、系统、计算机设备及存储介质。


背景技术：

[0002]
基于雷达侦察接收机所截获到的pdw(脉冲描述字)序列实现信号分选是雷达信号处理的重要环节，得到信号分选结果后，利用信号分选结果通过模板匹配、数据库匹配等方法实现目标识别是非常常见的信号处理方法。
[0003]
雷达信号分选方法的研究始于20世纪70年代，方法多种多样。其中，mardia等人1989年在文献“new techniques for the deinterleaving of repetitive sequences[j].iee proceedings，1989，136(4)：149-154.”中提出了非常著名的累积差值直方图(cdif)算法。后续在cdif的基础上，nelson、kenichi，以及王兴颖等人又做了各种各样的改进。直方图分选法的特点是基于toa(time of arrival，脉冲到达时间)信息实现信号分选，没有利用其他的脉冲特征参数，在复杂信号环境中始终存在很大的改进空间。
[0004]
从上世纪90年代开始，ai算法开始应用于雷达信号分选领域。1990年，james等人在文献“radar signal categorization using a neural network.proceedings of the ieee，1990，78(16).”中利用神经网络对信号进行分类。后续梁百川、万建伟、shieh等人也采用了不同形式的神经网络来实现分选识别。2003年，朱元清等人在文献“支持矢量分析在雷达信号分选中的应用[j].空军雷达学院学报，2003，17(3)：19-21.”中提出了基于支持向量机(svm)的雷达信号分选方法，后续张葛祥也进行了svm信号分类识别的研究。
[0005]
无论是基于人工智能或非人工智能的算法，共同的特点都是使用脉冲或脉冲序列的特征参数信息作为信号分选识别的输入，因此，一旦因为各种原因(例如信噪比差、多径影响)导致pdw序列中的脉冲特征参数信息失真，就会影响到信号分选识别的性能。


技术实现要素：

[0006]
如前所述，现有算法的共同特点是使用脉冲或脉冲序列的特征参数信息作为信号分选识别的输入，因此一旦出现参数失真，就会影响到信号分选识别的性能。本发明使用pdw序列生成pdw特征图，生成pdw特征图后，可以将其馈入经过训练的深度神经网络，可以在一定程度的脉冲特征参数失真条件下实现对信号的识别，从而改善识别性能。
[0007]
本发明提出一种pdw序列预处理方法、系统、计算机设备及存储介质，其技术方案如下：
[0008]
一种pdw序列预处理方法，按照如下步骤基于pdw序列生成pdw特征图，该pdw特征图能够馈入经过训练的深度神经网络进行处理，输出相应的识别结果：
[0009]
s1.将雷达侦察接收机所截获到的pdw序列转换为特征参数向量序列，即将pdw序列[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]中的pdw
i
转换成格式为[fre
i
,pw
i
,toa
i
,pa
i
]的特征参数向量，其中fre
i
、pw
i
、toa
i
、pa
i
分别是第i个脉冲的频率、脉宽、到达时间以及归一化幅度值；
[0010]
s2.将pdw序列所属的频段[fre
min
，fre
max
]归一化到区间[nf
min
，nf
max
]，即将[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]变换为[pdw
’1,pdw
’2,
…
,pdw’i
,
…
,pdw’k-1
]，其中pdw’i
＝[fre’i
,pw
i
,toa
i
,pa
i
]，且满足：
[0011]
fre’i
＝nf
min
+(nf
max-nf
min
)(fre
i-fre
min
)/(fre
max-fre
min
)
[0012]
其中，[nf
min
，nf
max
]应包含于区间[0,1]，并与区间[0,1]接近；
[0013]
s3.给定抽样间隔δt，按照如下方法生成pdw特征图，包括频率特征图frefm和幅度特征图pafm：
[0014][0015]
其中：
[0016]
n＝[(toa
k-1
+pw
k-1-toa0)/δt]，[]为取整运算；
[0017][0018][0019]
进一步的，区间[nf
min
，nf
max
]取[0.1,0.9]，即将频段[fre
min
，fre
max
]归一化到区间[0.1,0.9]。
[0020]
一种pdw序列预处理系统，包括：
[0021]
特征参数格式转换模块，用于将雷达侦察接收机所截获到的pdw序列转换为特征参数向量序列，即将pdw序列[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]中的pdw
i
转换成格式为[fre
i
,pw
i
,toa
i
,pa
i
]的特征参数向量，其中fre
i
、pw
i
、toa
i
、pa
i
分别是第i个脉冲的频率、脉宽、到达时间以及归一化幅度值；
[0022]
归一化模块，用于将pdw序列所属的频段[fre
min
，fre
max
]归一化到区间[nf
min
，nf
max
]，即将[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]变换为[pdw
’1,pdw
’2,
…
,pdw’i
,
…
,pdw’k-1
]，其中pdw’i
＝[fre’i
,pw
i
,toa
i
,pa
i
]，且满足：
[0023]
fre’i
＝nf
min
+(nf
max-nf
min
)(fre
i-fre
min
)/(fre
max-fre
min
)
[0024]
其中，[nf
min
，nf
max
]应包含于区间[0,1]，并与区间[0,1]接近；
[0025]
pdw特征图生成模块，用于根据给定抽样间隔δt，按照如下方法生成pdw特征图，包括频率特征图frefm和幅度特征图pafm：
[0026][0027]
其中：
[0028]
n＝[(toa
k-1
+pw
k-1-toa0)/δt]，[]为取整运算；
[0029]
[0030][0031]
进一步的，区间[nf
min
，nf
max
]取[0.1,0.9]，即将频段[fre
min
，fre
max
]归一化到区间[0.1,0.9]。
[0032]
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述的pdw序列预处理方法的步骤。
[0033]
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述的pdw序列预处理方法的步骤。
[0034]
本发明的有益效果在于：
[0035]
本发明使用pdw序列生成pdw特征图，生成的pdw特征图中包含了pdw序列中的频率、脉宽、幅度以及到达时间信息。生成pdw特征图后，可以将其馈入经过训练的深度神经网络，能够在一定程度的脉冲特征参数失真条件下实现对信号的识别，输出相应的信号分类结果信息，从而改善识别性能。
附图说明
[0036]
图1是本发明实施例的频率特征图可视化效果图；
[0037]
图2是本发明实施例的幅度特征图可视化效果图。
具体实施方式
[0038]
为了对本发明的技术特征、目的和效果有更加清楚的理解，现说明本发明的具体实施方式。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0039]
本发明提供了一种pdw序列预处理方法，按照如下步骤基于pdw序列生成pdw特征图，该pdw特征图能够馈入经过训练的深度神经网络进行处理，输出相应的识别结果(识别结果可以是目标的各种属性，和具体应用相关)：
[0040]
s1.将雷达侦察接收机所截获到的pdw序列转换为特征参数向量序列，即将pdw序列[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]中的pdw
i
(通常pdw
i
除包含频率、脉宽、到达时间和幅度值之外，还可能包含脉冲方位和调制类型等其他特征参数信息)转换成格式为[fre
i
,pw
i
,toa
i
,pa
i
]的特征参数向量，其中fre
i
、pw
i
、toa
i
、pa
i
分别是第i个脉冲的频率、脉宽、到达时间以及归一化幅度值；
[0041]
s2.将pdw序列所属的频段[fre
min
，fre
max
]归一化到区间[nf
min
，nf
max
]，即将[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]变换为[pdw
’1,pdw
’2,
…
,pdw’i
,
…
,pdw’k-1
]，其中pdw’i
＝[fre’i
,pw
i
,toa
i
,pa
i
]，且满足：
[0042]
fre’i
＝nf
min
+(nf
max-nf
min
)(fre
i-fre
min
)/(fre
max-fre
min
)
[0043]
其中，[nf
min
，nf
max
]应包含于区间[0,1]，并与区间[0,1]接近，例如[nf
min
，nf
max
]可取[0.1,0.9]；
[0044]
s3.给定抽样间隔δt，按照如下方法生成pdw特征图，包括频率特征图frefm和幅度特征图pafm：
[0045][0046]
其中：
[0047]
n＝[(toa
k-1
+pw
k-1-toa0)/δt]，[]为取整运算；
[0048][0049][0050]
本发明还提供了一种pdw序列预处理系统，包括：
[0051]
特征参数格式转换模块，用于将雷达侦察接收机所截获到的pdw序列转换为特征参数向量序列，即将pdw序列[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]中的pdw
i
(通常pdw
i
除包含频率、脉宽、到达时间和幅度值之外，还可能包含脉冲方位和调制类型等其他特征参数信息)转换成格式为[fre
i
,pw
i
,toa
i
,pa
i
]的特征参数向量，其中fre
i
、pw
i
、toa
i
、pa
i
分别是第i个脉冲的频率、脉宽、到达时间以及归一化幅度值；
[0052]
归一化模块，用于将pdw序列所属的频段[fre
min
，fre
max
]归一化到区间[nf
min
，nf
max
]，即将[pdw1,pdw2,
…
,pdw
i
,
…
,pdw
k-1
]变换为[pdw
’1,pdw
’2,
…
,pdw’i
,
…
,pdw’k-1
]，其中pdw’i
＝[fre’i
,pw
i
,toa
i
,pa
i
]，且满足：
[0053]
fre’i
＝nf
min
+(nf
max-nf
min
)(fre
i-fre
min
)/(fre
max-fre
min
)
[0054]
其中，[nf
min
，nf
max
]应包含于区间[0,1]，并与区间[0,1]接近，例如[nf
min
，nf
max
]可取[0.1,0.9]；
[0055]
pdw特征图生成模块，用于根据给定抽样间隔δt，按照如下方法生成pdw特征图，包括频率特征图frefm和幅度特征图pafm：
[0056][0057]
其中：
[0058]
n＝[(toa
k-1
+pw
k-1-toa0)/δt]，[]为取整运算；
[0059][0060][0061]
相应的，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述pdw序列预处理方法的步骤。此外，本发明还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理
器执行时实现所述pdw序列预处理方法的步骤。
[0062]
在本发明的一个具体实施例中，设定：
[0063]
k＝8，fre
min
＝8000(mhz)，fre
max
＝12000(mhz)，δt＝50ns，[nf
min
，
[0064]
nf
max
]＝[0.1,0.9]。
[0065]
pdw序列如下：
[0066]
表1 pdw序列示例
[0067][0068][0069]
按照本发明的pdw序列预处理方法方法所生成的频率特征图和幅度特征图如下所示：
[0070][0071]
上述频率特征图和幅度特征图的其可视化效果分别如图1和图2所示，其中，图1-b、图2-b分别是将图1-a、图2-a中处于11.5μs～12.5μs之间的部分放大后的显示。
[0072]
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。