一种开放电磁环境下雷达辐射源信号识别方法及装置

本发明属于雷达信号识别，具体涉及一种开放电磁环境下雷达辐射源信号识别方法及装置。

背景技术：

1、雷达信号识别是指在雷达系统中通过分析接收信号的特征，对发送方进行识别的方法。雷达信号识别方法是雷达技术发展中的重要研究方向。由于数字化电子侦察接收机提供了更强大的技术支撑，辐射源识别方法逐渐从依靠脉冲描述字发展至如今丰富的脉内信号特征，通过脉内分析提取特征能够较好地完成辐射源调制类型识别。

2、传统的雷达辐射源信号识别方法通常采用基于特征分析的识别方法来实现。然而，基于特征分析的识别方法常用的脉内信号特征容易受到噪声影响，导致识别精度不高。随着深度学习技术的发展，基于神经网络和深度学习的方法被广泛应用到了雷达辐射源信号识别中，该方法虽然在识别精度方面有明显的优势，但是需要通过充足的先验信息训练模型。实际中，接收机面临的是开放的电磁环境，辐射源的种类和数量瞬息变化。在进行识别时可能出现完全未知的新辐射源，无法在模型训练阶段就获取全部种类的辐射源信号样本。因此，在开放电磁环境中，现有的大多数方法会将新的辐射源错误地识别为某种已知的辐射源，导致识别结果可信度降低，存在巨大的风险。

3、近年来，在雷达辐射源信号识别领域涌现出一些新的研究成果。例如，黄颖坤在文献“基于距离特征的雷达辐射源信号识别方法”(系统仿真学报，2021年)中使用k-means算法提取若干个聚类中心，分别计算雷达信号脉冲与聚类中心之间的dtw(dynamic timewarping)度量值，联合这些度量值作为k近邻算法的输入进行识别。但此方法在提取聚类中心时使用的k-means算法和进行识别时使用的k近邻算法都对信号在特征空间中的分布形状敏感，无法适用于聚类簇形状特殊(如条形、月牙形等)的信号识别。杨志远在文献“基于cnn的雷达辐射源信号开集识别方法”(第十四届全国dsp应用技术学术会议论文集，2022年)提出了一种基于卷积神经网络(cnn)的雷达辐射源信号开集识别方法，采用伪wigner-ville分布对雷达辐射源信号进行时频特征提取，然后通过卷积神经网络和信心分的方法解决了雷达辐射源信号开集识别问题。但是该方法中使用神经网络对信号时频图像进行特征提取与训练的步骤很耗时，且识别网络只能将未知类信号视为一类，并不能得知未知类的种类数。

4、综上，现有的雷达辐射源识别方法存在以下问题：

5、1、基于特征提取的识别方法中常见的信号脉内特征易受噪声影响，导致识别精度不高；

6、2、使用k-means等基于聚类中心与样本点之间的距离计算点集边界的算法对信号在特征空间中的分布形状敏感，无法准确计算出各种分布形状的点集边界，影响识别精度；

7、3、在深度学习方面，大多数基于信号波形的识别方法在预处理过程中都耗时且算力要求高，且一般的开集识别网络只能将未知类信号视为一类，并不能得知未知类的种类数。

技术实现思路

1、为了解决现有技术中存在的至少一个技术问题，本发明提供了一种开放电磁环境下雷达辐射源信号识别方法及装置。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明提出了一种开放电磁环境下雷达辐射源信号识别方法，包括：

3、获取待识别样本，并构建已知信号类型的训练样本；训练样本包括多种信号类型；

4、对待识别样本和训练样本分别进行脉内特征提取，得到待识别样本对应的第一特征和第二特征，以及训练样本对应的第一特征和第二特征；其中，第一特征和第二特征均为反应信号分布特性的统计特征；

5、以第一特征和第二特征为二维坐标轴，构建二维特征平面，并将待识别样本和训练样本描述为二维特征平面中的点；

6、在二维特征平面中，利用dbscan算法对训练样本对应的点进行聚类，去除训练样本中各类型信号的离群点；

7、使用alpha shapes算法分别计算聚类后的训练样本中各类型在二维特征平面中的边界，同时标记不同边界对应的信号类型；

8、根据待识别样本与各边界的位置关系，得到识别结果。

9、第二方面，本发明提出了一种开放电磁环境下雷达辐射源信号识别装置，用于实现本发明第一方面提出的方法，包括：

10、数据获取模块，用于获取待识别样本，并构建已知信号类型的训练样本；训练样本包括多种信号类型；

11、特征提取模块，用于对待识别样本和训练样本分别进行脉内特征提取，得到待识别样本对应的第一特征和第二特征，以及训练样本对应的第一特征和第二特征；其中，第一特征和第二特征均为反应信号分布特性的统计特征；

12、映射模块，用于以第一特征和第二特征为二维坐标轴，构建二维特征平面，并将待识别样本和训练样本描述为二维特征平面中的点；

13、聚类模块，用于在二维特征平面中，利用dbscan算法对训练样本对应的点进行聚类，去除训练样本中各类型信号的离群点；

14、计算模块，用于使用alpha shapes算法分别计算聚类后的训练样本中各类型在二维特征平面中的边界，同时标记不同边界对应的信号类型；

15、识别模块，用于根据待识别样本与各边界的位置关系，得到识别结果。

16、本发明的有益效果：

17、1、本发明首先通过对待识别样本和已知信号类型的训练样本进行脉内特征提取，从而将样本描述为二维特征平面上的点，然后利用dbscan密度聚类和alpha shapes算法得到各类型在二维特征平面中的边界，最后通过比较待识别样本与已知类型边界的位置关系得到识别结果。该方法一方面由于提取的脉内特征为反应信号分布特性的统计特征，该特征对噪声不敏感，可以在低信噪比下拥有较好的性能；另一方面在计算已知类型边界时，先使用dbscan算法可以消除离群点对边界计算的影响，再使用alpha shapes算法可以更准确地计算出各种分布形状的信号在特征平面的边界。相比于现有的识别方法，该方法无需关注信号在特征空间中的分布形状，能够准确计算出信号在特征平面的边界，从而识别已知类信号、标记未知信号，效率更高；

18、2、本发明在使用dbscan算法和alpha shapes算法实现对已知信号的识别和对未知信号的标记后，还通过对未知信号进行dbscan密度聚类，可以得出未知类信号的种类数。

19、3、本发明在使用alpha shapes算法计算各种分布形状的信号在特征平面的边界时，还可以通过调节半径2α的大小，调节边界的紧贴程度，从而进一步提升边界计算精度。

20、以下将结合附图及实施例对本发明做进一步详细说明。

技术特征：

1.一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，包括：

2.根据权利要求1所述的一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，所述第一特征为信号频域的偏度，所述第二特征为wasserstein距离。

3.根据权利要求2所述的一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，所述信号频域的偏度表示为：

4.根据权利要求2所述的一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，对所述待识别样本和所述训练样本按照以下方式进行脉内特征提取，以获得对应的wasserstein距离作为第二特征：

5.根据权利要求1所述的一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，在得到所述第一特征和所述第二特征之后，还包括：

6.根据权利要求1所述的一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，使用alpha shapes算法分别计算处理后训练样本中各类型信号的边界，具体包括：

7.根据权利要求1所述的一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，根据所述待识别样本与各边界的位置关系，得到识别结果，具体包括：

8.根据权利要求1所述的一种开放电磁环境下雷达辐射源信号识别方法，其特征在于，还包括：

9.一种开放电磁环境下雷达辐射源信号识别装置，其特征在于，用于实现权利要求1-8任一项所述的方法，包括：

技术总结
本发明公开了一种开放电磁环境下雷达辐射源信号识别方法，包括：获取待识别样本，并构建已知信号类型的训练样本；对待识别样本和训练样本进行脉内特征提取，分别得到各自对应的第一特征和第二特征；以第一特征和第二特征为二维坐标轴，构建二维特征平面，并将待识别样本和训练样本描述为二维特征平面中的点；对训练样本对应的点进行DBSCAN密度聚类，去除训练样本中各类型信号的离群点；使用Alpha Shapes算法计算聚类后的训练样本中各类型的边界；根据待识别样本与各边界的位置关系，得到识别结果。该方法可以更准确地计算出各种分布形状的信号在特征平面的边界，从而实现信号的精确识别，且在低信噪比下具有较好的识别能力。

技术研发人员：张学攀,任龙飞,李文骏,赵嘉懿,刘思宁,贾伯阳,韩沪川,缪安琪
受保护的技术使用者：西安电子科技大学
技术研发日：
技术公布日：2024/10/10