| 主权项 |
1.一种低信噪比雷达辐射源信号脉内调制识别方法，其步骤包括电子侦察接收机接收雷达辐射源脉冲信号，经由射频到中频的降频和A/D采样处理后，得到待识别的具有不同脉内调制方式的雷达辐射源信号S(t)，再在信号处理模块中对信号S(t)进行处理，识别出雷达辐射源信号的脉内调制方式并输出，所述对雷达辐射源信号S(t)进行处理的具体作法为：A)雷达辐射源脉冲信号时频原子特征提取，获取时域时频原子特征和频域时频原子特征：采用公式(1)所描述的具有最佳时频分辨率的实Gabor原子g<sub>γ</sub>(t)作为雷达辐射源信号脉内调制识别的时频原子，即<img file="FDA00002383843200011.GIF" wi="1202" he="116" />式中，q为能量归一化系数，<img file="FDA00002383843200012.GIF" wi="277" he="48" />为原子参数集，其中，s为原子伸缩尺度，u为原子平移尺度，ω为原子角频率，<img file="FDA00002383843200013.GIF" wi="30" he="35" />为原子初始相位，g(·)为高斯函数；用差分进化算法实现雷达辐射源信号S(t)的时频原子特征提取，具体步骤为：(1)初始化算法参数；(2)分解次数h的初始值设置为1；(3)确定待分解的信号R<sub>h</sub>，若本次分解为第一次分解，即h＝1，则R<sub>h</sub>＝S(t)；若不是第一次分解，则R<sub>h</sub>由公式(2)确定；R<sub>h</sub>＝R<sub>h-1</sub>-|<R<sub>h-1</sub>，g<sub>h-1</sub>>|·R<sub>h-1</sub> (2)式中，R<sub>h-1</sub>和g<sub>h-1</sub>分别为第h-1次分解时的信号和最佳时频原子；(4)采用差分进化算法搜索时频原子，包括：(i)初始化差分进化算法的种群P(k)，<img file="FDA00002383843200014.GIF" wi="491" he="57" />其中N为种群大小，<img file="FDA00002383843200015.GIF" wi="60" he="57" />为第i个个体且<img file="FDA00002383843200016.GIF" wi="462" he="61" />k表示差分进化算法的迭代次数，这里k＝1，<img file="FDA00002383843200017.GIF" wi="299" he="61" />分别表示公式(1)中的4个变量s，u，ω，<img file="FDA00002383843200018.GIF" wi="55" he="35" />并采用公式(3)所示方式进行初始化，即<img file="FDA00002383843200019.GIF" wi="1110" he="73" />式中，rand(0，1)为0和1之间的随机数，a<sub>j</sub>和b<sub>j</sub>分别为<img file="FDA00002383843200021.GIF" wi="56" he="62" />的下界和上界；(ii)对每个个体<img file="FDA00002383843200022.GIF" wi="399" he="57" />根据公式(4)进行变异操作，构造变异个体<img file="FDA00002383843200023.GIF" wi="73" he="57" />即<img file="FDA00002383843200024.GIF" wi="1042" he="67" />式中：<img file="FDA00002383843200025.GIF" wi="200" he="57" />和<img file="FDA00002383843200026.GIF" wi="68" he="57" />分别为种群中随机选择的三个个体，满足r1≠r2≠r3且r1，r2，r3∈{1,2,…,N}，F为常数，称为变异概率;若产生的变异个体<img file="FDA00002383843200027.GIF" wi="50" he="57" />的某一分量超过该分量的可行域，则采用公式(3)对该分量重新进行初始化；(iii)对每个个体<img file="FDA00002383843200028.GIF" wi="397" he="57" />根据公式(5)进行交叉操作，构造试验个体<img file="FDA00002383843200029.GIF" wi="79" he="57" />即<img file="FDA000023838432000210.GIF" wi="1165" he="184" />式中，<img file="FDA000023838432000211.GIF" wi="58" he="63" />为试验个体<img file="FDA000023838432000212.GIF" wi="54" he="57" />的第j个分量，C为常数，称为交叉概率，rand(0,1)为0与1之间的随机数，K为0到4之间的一个整数，由随机方式确定；(iv)根据公式(6)进行选择操作，选择具有最佳适应度函数值的个体进入下一代种群，即<img file="FDA000023838432000213.GIF" wi="1219" he="170" />式中，i＝1,2,…,N，H(X)为个体X的适应度函数值，由公式(7)计算得到H(X)＝|<R<sub>h</sub>,g<sub>X</sub>>| (7)式中，<,>为内积运算符，g<sub>X</sub>为个体X根据公式(1)构造的时频原子；(v)若循环次数k≥T，则当前分解过程中最佳原子搜索结束，同时保存当前分解过程中最佳时频原子的适应度函数值λ<sub>T</sub>(h)；否则循环次数 k增加1，算法跳转到第(ii)步继续运行；为了便于区分，频域最佳时频原子的适应度函数值记为λ<sub>F</sub>(h)；(5)若分解次数h＝H，则分解结束，否则，h＝h+1，然后跳转到第(3)步继续运行；(6)重复步骤(2)-步骤(5)，提取频域最佳时频原子并保存相应的适应度函数值λ<sub>F</sub>(h)；(7)根据公式(8)构造第h组时频原子特征向量ψ(h)，h＝1,2,…,H-1，即ψ(h)＝[ψ<sub>T</sub>(h)ψ<sub>F</sub>(h)] (8)式中，ψ<sub>T</sub>(h)和ψ<sub>F</sub>(h)分别为第h个时域时频原子特征和第h个频域时频原子特征，其定义分别由公式(9)和公式(10)描述：<img file="FDA00002383843200031.GIF" wi="1108" he="132" /><img file="FDA00002383843200032.GIF" wi="1142" he="132" />B)将A）所得时频原子特征在已建立的有向无环图支持向量机分类器DAGSVM中完成雷达辐射源信号脉内调制方式识别，所述有向无环图支持向量机分类器DAGSVM的构建方式如下：(a)设计DAGSVM分类器对于n类雷达辐射源信号脉内调制方式识别，选择任意两类设计1个二分类SVM，总共设计n(n-1)/2个二分类SVM；这n(n-1)/2个二分类SVM构成一个有向无循环图，有n(n-1)/2个非叶子节点和n个叶子节点，每个非叶子节点表示一个二类SVM分类器，并与下一层的两个节点相连，每个叶子节点表示一个输出;(b)训练DAGSVM分类器从每两种待识别的雷达辐射源信号特征中抽取一定数量的样本，输入到对应的二分类SVM分类器中计算获得该SVM的参数值，如此反复，获得全部n(n-1)/2个二分类SVM分类器的参数，通过此过程，完成DAGSVM分类器的训练过程;所述A）所得时频原子特征输入到DAGSVM的根节点SVM，根据根节点 SVM的分类结果，采用下一层的左节点SVM或右节点SVM继续分类，直到达到底层某个叶节点SVM为止，该叶节点所表示的类别即为未知雷达辐射源信号的类别，即获得输出结果。 |
