专利名称：一种基于稀疏分解的雷达信号识别方法
技术领域：
本发明涉及信号识别技术领域，尤其是基于稀疏分解方法的雷达信号识别技术领域。
背景技术：
稀疏分解是一种近年来发展较为快速的信号表示和处理方法，采用过完备冗余函数取代传统正交基函数，并从原子库中选择具有最佳线性组合的原子表示信号，实现灵活、自适应的表示，是一种非线性逼近的信号表示方法，在此基础上，可通过对信号原子进行操作，实现对原信号的处理。稀疏分解方法有较强的噪声抑制能力，有利于提高受噪声污染严重的雷达信号的正确识别率。雷达信号识别是雷达对抗信号处理中的关键技术，其识别水平己成为衡量电子对抗装备先进程度的重要标志。长期以来，人们主要依靠常规五参数实现雷达信号的识别处理，往往对于常规雷达信号和信号密集度较低的情况下才能获得满意的识别效果。随着现代电子和雷达技术的发展以及它们在现代战争中的大量应用，新型雷达信号更加灵活多变，电磁信号越来越密集，致使传统识别技术已不能满足现代电子战的需要。因此，迫切需要探索新的雷达信号识别方法，以提高我国电子对抗装备的技术水平。近年来，国内外学者对雷达信号识别进行了大量的研究，提出了许多新方法，以提高雷达信号识别水平。然而，现有方法在信噪比小于OdB时无法实现雷达信号脉内调制的有效识别，且考虑雷达信号种类较少，很少涉及低信噪比条件下调制类型不同的信号识别问题。而在实际情况中，由于信号传播中大量噪声干扰以及截获过程中接收机内部噪声的影响，雷达信号中常常含有大量噪声，信噪比较低，致使有用信号淹没在噪声中，大大增加了识别的难度。但是，当采用稀疏分解方法分析雷达信号时，计算复杂性偏高，难以有效处理采样率较高的雷达信号，其计算复杂度主要集中在最佳原子搜索过程。
发明内容
鉴于现有技术的以上 缺点，本发明旨在提出一种雷达信号识别新方法，降低最佳原子搜索过程的计算复杂度，以解决在低信噪比情况下雷达信号识别率骤降问题。本发明的目的是通过如下的手段实现的。一种基于稀疏分解的雷达信号识别方法，电子侦察接收机接收雷达脉冲信号，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，识别出雷达信号的脉内调制方式并输出，所述对雷达信号S (t)进行处理的具体作法包括:(I)、雷达信号特征提取:采用基于复合差分进化算法的稀疏分解方法进行特征提取，包括时域衰减系数、频域衰减系数和时-频联合系数三种特征；(2)、采用自底向上二叉树支持向量机BUBTSVM对雷达信号进行识别，通过设计、训练BUBTSVM分类器，将I)所获得的雷达信号特征样本输入到BUBTSVM底层的每个二分类SVM分类器上，再根据SVM的分类结果，选出进入到上一层二分类SVM的类型，直到到达二叉树顶端，最终选出的类别即为识别出的雷达信号，即获得输出结果。本发明采用复合差分进化算法搜索最佳原子，以降低计算复杂性，使其更具有实用价值。复合差分进化算法是一种结合多种试验向量产生策略以及参数设置的改进差分进化算法，可以很好地解决单一策略与参数匹配所带来的问题。复合差分进化算法通过变异、交叉、选择过程选择最佳原子，这一过程的运算复杂度大大低于原稀疏分解方法中最佳原子搜索的贪心算法，可有效降低稀疏分解方法的计算复杂性，以使其能更好地应用于雷达信号处理中。本发明的突出优势在于，在信噪比低至-10分贝条件下，具有5种不同脉内调制方式的雷达信号的平均正确识别率能达到77%以上，且本发明具有对雷达信号参数变化不敏感的特点，可适用于电子对抗、侦察及预警等场合。因此，发明一种基于稀疏分解的雷达信号识别方法对雷达信号处理技术领域具有重要的实际应用价值。
:图1是采用基于复合差分进化算法的稀疏分解方法进行特征提取的流程图。图2是本发明实施例中识别5种雷达信号时采用BUBTSVM分类器示意图。图3是本发 明实施例中5种雷达信号的特征分布图，信噪比从5分贝变化至-10分贝。图4是本发明实施例中5种雷达信号正确识别率随信噪比变化曲线图。
具体实施例方式下面结合附图和具体实施对本发明作进一步描述。本发明为解决其技术问题，所采用的技术方案为:一种基于稀疏分解的雷达信号识别方法，主要步骤包括:电子侦察接收机接收雷达脉冲信号，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，识别出雷达信号的脉内调制方式并输出。所述对雷达信号S (t)进行处理的具体作法为:1.雷达信号特征提取，包括时域衰减系数、频域衰减系数和时-频联合系数三种特征。下面先介绍本发明采用的原子库，随后介绍特征提取的详细步骤。本发明采用具有最佳时频分辨率的Gabor原子库作为稀疏分解所使用的原子库。每个Gabor原子gY (t)为
权利要求
1.一种基于稀疏分解的雷达信号识别方法，电子侦察接收机接收雷达脉冲信号，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，识别出雷达信号的脉内调制方式并输出，所述对雷达信号S(t)进行处理的具体作法包括: (1)、雷达信号特征提取:采用基于复合差分进化算法的稀疏分解方法进行特征提取，包括时域衰减系数、频域衰减系数和时-频联合系数三种特征； (2)、采用自底向上二叉树支持向量机BUBTSVM对雷达信号进行识别，通过设计、训练BUBTSVM分类器，将I)所获得的雷达信号特征样本输入到BUBTSVM底层的每个二分类SVM分类器上，再根据SVM的分类结果，选出进入到上一层二分类SVM的类型，直到到达二叉树顶端，最终选出的类别即为识别出的雷达信号，即获得输出结果。
2.根据权利要求1所述之基于稀疏分解的雷达信号识别方法，其特征在于，所述基于复合差分进化算法的稀疏分解包含以下步骤: (1)稀疏分解算法初始化:分解次数H，当前分解次数h;复合差分进化算法初始化:进行种群大小N、进化代数T、交叉因子池C、变异因子池F以及试验向量产生策略池的初始化； (2)使用复合差分进化算法搜索原子，直到进化代数大于T，则保存本次分解所获得的最佳原子； (3)采用步骤(2)中剩余信号R继续进行分解，直到分解次数大于2，获得2个时域最佳原子aT(l)、aT(2);再重复上述步骤，获得2个频域最佳原子~(1)、~(2)； (4)采用所获得的最佳原子~(1)，aT(2)，产生信号的时域衰减系数TDC、频域衰减系数FDC和时-频联合系数TFC三个特征值，即
全文摘要
本发明公开了一种基于稀疏分解的雷达信号识别方法，待识别的具有不同脉内调制方式的雷达信号S(t)经基于复合差分进化算法的稀疏分解方法进行特征提取，包括时域衰减系数、频域衰减系数和时-频联合系数三种特征。然后采用自底向上二叉树支持向量机BUBTSVM对雷达信号进行识别。本发明采用复合差分进化算法结合多种试验向量产生策略以及参数设置，改进差分进化算法，可以很好地解决单一策略与参数匹配所带来的问题有效降低稀疏分解方法的计算复杂性，对雷达信号处理技术领域具有重要的实际应用价值。
文档编号G06K9/62GK103093244SQ20131002952
公开日2013年5月8日 申请日期2013年1月25日 优先权日2013年1月25日
发明者张葛祥, 荣海娜, 李俊刚, 程吉祥 申请人:西南交通大学