基于多层感知机MLP的相控阵雷达工作模式识别方法与流程

技术特征：

1.基于多层感知机mlp的机载相控阵雷达工作模式识别方法，其特征在于，包括如下：

1)用matlab软件仿真生成相控阵雷达空域信号的数据集，该数据集信号包括速度搜索模式信号、高重频边测距边搜索模式信号、中重频边测距边搜索模式信号、边搜索边跟踪模式信号、搜索加跟踪模式信号、单目标跟踪模式信号和态势感知模式信号这七种信号，其中每种信号从5db到20db每隔5db信噪比生成1000个样本；

2)对上述数据集进行预处理：

2a)从数据集中得到每条样本在雷达工作模式下的8个特征值：平滑度c、离散度d、脉重频p、回照信息b、占空比u、脉内调制信息m、波束驻留数n、脉宽w；

2b)对数据集中每条样本按其所属的工作模式信号进行一位编码，即将速度搜索编码为“1”，高重频边搜索边测距编码为“2”，中重频边搜索边测距编码为“3”，边搜索边跟踪编码为“4”，搜索加跟踪编码为“5”，单目标跟踪编码为“6”，态势感知编码为“7”；

2c)对数据集中每条样本，将其在2a)中的8个特征值和在2b)中的一位编码共同组成长度为9的特征向量，得到维度为7000*9的特征矩阵，将该特征矩阵作为新的数据集；

2d)将新的数据集分为训练集和测试集，使之满足训练集样本数为6000条，测试集样本数为1000条；

3)搭建多层感知机mlp网络：

3a)设置多层感知机mlp的隐层数为5，每个隐层中的神经元取5个数值[16，32，64，128，256]；

3b)设置多层感知机mlp网络的学习率取9个数值[0.0003，0.0007，0.003，0.004，0.005，0.006，0.007，0.01，0.02]；

3c)设置多层感知机mlp网络的batch_size取5个数值[16，32，64，128，256]；

3d)设置训练迭代次数为200，使用elu函数作为激活函数，使用随机梯度下降算法作为优化器，使用均方误差函数作为损失函数；

3e)用softmax分类器作为网络的输出层；

4)训练多层感知机mlp网络：

4a)对3a)、3b)、3c)这三组参数进行轮询组合，求出多层感知机mlp在每组参数组合下的识别准确率；

4b)选出4a)中识别准确率的最大值，将其分别对应在3a)、3b)、3c)中的取值，作为最终选取的网络参数进行保存，从而得到已经最优化后的多层感知机mlp网络的结构参数；

5)将测试集数据输入到最优化后的多层感知机mlp网络中，输出网络所预测出的机载相控阵雷达的工作模式。

2.根据权利要求1所述的方法，其特征在于，1)中7种不同的相控阵雷达空域信号，其参数设置如下：

所述7种相控阵雷达空域信号中的搜索加跟踪模式信号和态势感知模式信号均设置为每隔5个搜索波位，回照目标一次；

所述7种相控阵雷达空域信号的采样频率均为2ghz、载频均为1ghz；

所述7种相控阵雷达空域信号的脉冲驻留数，分别设置如下：

速度搜索模式信号的脉冲驻留数设置为1500-6000个；

高重频边测距边搜索模式信号和中重频边测距边搜索模式信号这2种相控阵雷达信号的脉冲驻留数均设置为250-2000个；

边搜索边跟踪模式信号和搜索加跟踪模式信号这2种相控阵雷达信号的脉冲驻留数均设置为16-128个；

单目标跟踪模式信号的脉冲驻留数设置为20000个；

态势感知模式信号的脉冲驻留数设置为1000-8000个。

3.根据权利要求1所述的方法，其特征在于，2a)中的平滑度c，计算如下：

2a1)根据样本的脉冲幅度序列ai计算中间变量ci：

其中，n为脉冲幅度序列ai中脉冲的总数；

2a2)根据2a1)的中间变量ci计算平滑度c：

4.根据权利要求1所述的方法，其特征在于，2a)中的离散度d，计算如下：

其中，为根据样本的脉冲幅度序列ai求得的平均值，δa为根据样本的脉冲幅度序列ai求得的标准差，分别计算如下：

其中，n为脉冲幅度序列ai中脉冲的总数。

5.根据权利要求1所述的方法，其特征在于3d)中所使用的elu激活函数，表示如下：

式中，x表示输入值，α为超参数，f(x)表示elu函数的输出。

6.根据权利要求1所述的方法，其特征在于3d)中的均方误差函数，表示如下：

其中，e为输出层的均方误差值，n为输出层神经元的个数，为输出层第i个神经元的实际输出，为输出层第i个神经元的期望输出。

7.根据权利要求1所述的方法，其特征在于3e)中的softmax分类器，表示如下：

式中，yi即为网络输出层输出的各工作模式的预测概率值，yi表示输出层第i个神经元的输出值，表示对输出层第i个神经元的输出值求指数。

8.根据权利要求1所述的方法，其特征在于，4a)中多层感知机mlp在每组参数组合下的识别准确率，通过如下公式求得：

其中，η即为识别准确率，a为将2d)中测试集送入5)中网络后预测正确的样本数，z为2d)中测试集的样本总数，其值为1000。

9.根据权利要求1所述的方法，其特征在于，4b)中选取网络最优结构参数，实现如下：

4b1)通过编程，控制3a)、3b)、3c)中参数轮询组合，并与4a)得到的225个识别准确率组成一矩阵，该矩阵维度为225*4，其前三列为轮询组合得到的225组网络结构参数，最后一列为225个识别准确率；

4b2)通过编程，找出4b1)矩阵中最后一列225个数值中的最大值，并将该值所在当前行的前三个数值进行保存，这三个数值即分别为从3a)、3b)、3c)中所选取到的最优网络结构参数，得到已经最优化的多层感知机mlp网络。