基于神经网络的雷达信号频率快速检测方法

本发明涉及电子侦察与干扰，具体为基于神经网络的雷达信号频率快速检测方法。

背景技术：

1、在现代战争电子战中，常通过电子侦察获取敌方雷达的各种信息，截获敌方雷达信号并对其进行参数测量，在成功识别到对方辐射源信息后，采取相应的对抗措施。雷达信号载波频率是后续进行辐射源识别、干扰和抗干扰的一个重要参数。

2、随着人工智能技术的不断发展，神经网络在众多领域内得到了广泛的应用。神经网络中引入了非线性激活函数，具有优异的多维函数映射能力，强大的非线性拟合能力使得模型可以适应复杂的多维数据分布，通过多层非线性变换对高复杂性数据进行建模。

3、对已有的文献专利进行检索，iman sajedian和junsuk rho在《nanoconvergence》上发表的“accurate and instant frequency estimation from noisysinusoidal waves by deep learning”(https://doi.org/10.1186/s40580-019-0197-y)，使用bp神经网络对简单正弦波信号的频率进行了估计，但是该神经网络无法适应初始相位随机的信号，其样本数据信号初始相位是固定的。邢晓敏等人在《东北大学学报》发表的“基于bp神经网络的高精度基波频率检测方法研究”(doi:10.19718/j.issn.1005-2992.2015.01.008)，使用了一种结构为1－10－1型bp神经网络，使用了包含10个神经元的单个隐含层，能够对45hz～55hz范围的电力系统正弦波频率进行估计，测试也仅针对相位为零的正弦波。

4、从文献检索的结果来看，已有的bp神经网络测频方法仅适应初始相位固定的正弦信号，而且多应用于窄带系统，无法满足现代电子战争中大带宽、相位随机的各式雷达信号的载波瞬时测频需求。其他采用深度神经网络对信号频率进行估计的方法，结合了时频变换的方法，将时间域的信号变换为时频图像，再借助图像识别方法对得到的时频图像进行频率识别，而并非直接从信号时域数据中获取信号频率，系统构成复杂计算量很大，不能做到对信号频率快速检测。

技术实现思路

1、本发明的目的是：针对现有技术中不能对信号频率进行快速检测的问题，提出基于神经网络的雷达信号频率快速检测方法。

2、本发明为了解决上述技术问题采取的技术方案是：

3、基于神经网络的雷达信号频率快速检测方法，包括以下步骤：

4、步骤一：利用模数转换器对已知频率的含随机噪声的雷达信号进行射频采样，得到雷达信号数据，并对采样得到的雷达信号数据进行归一化处理；

5、步骤二：根据已知频率对归一化后的每个雷达信号数据进行频率标签标注，进而得到用于神经网络训练的数据集；

6、步骤三：利用数据集中的雷达信号数据作为输入，频率标签作为输出，训练bp神经网络，当bp神经网络满足设定的网络计算精度值时，得到训练好的bp神经网络；

7、步骤四：利用训练好的bp神经网络对待识别雷达信号进行频率检测。

8、进一步的，所述训练bp神经网络的过程具体为：

9、步骤三一：从数据集中随机选择第k个输入雷达信号数据样本x(k)与其对应的期望值输出d0(k)，即频率，x(k)表示为：

10、

11、其中，n对应输入的特征数量，q对应输出的特征数量；

12、步骤三二：输入雷达信号数据样本，然后计算隐含层中各神经元的输入和输出；

13、步骤三三：根据隐含层中各神经元的输入和输出得到输出层的结果；

14、步骤三四：基于输出层的结果，计算输出层的结果和期望输出之间的误差，即误差函数e，之后得到误差函数e对输出层的各神经元的偏导数；

15、步骤三五：神经网络沿着从输入层到输出层的顺序依次计算，得到正向传播输出的结果，若正向传播输出的结果误差不满足预设的误差值，则从网络的输出层开始向输入层逐层计算每一层的误差，并在进行反向传播的过程中更新参数，直至满足迭代终止要求后停止，所述的迭代终止要求为：满足允许的误差值或者达到最大迭代次数；

16、若输出层的结果与频率标签之间的期望值误差不满足上述迭代终止要求，则利用偏导数更新各个网络权值；

17、步骤三六：经过一次迭代更新各个网络权值后，计算全局误差e；

18、步骤三七：判断全局误差e是否达到精度要求，如果达到精度要求，则停止网络系数迭代过程；否则，执行步骤三五至步骤三七进行下一次更新，直至满足允许的误差值或者达到最大迭代次数为止。

19、进一步的，所述隐含层中各神经元的输入hih(k)和输出hoh(k)表示为：

20、

21、其中，bh表示神经元的偏置，f(·)表示激活函数，表示第n层的输入矩阵，i表示输入矩阵的维度，i＝1,2,...,n，h表示隐含层的输入输出维度，h＝1,2,...,p。

22、进一步的，所述输出层的结果表示为：

23、

24、其中，who表示输出层的权重系数矩阵，yio(k)为输出层的中间结果，yoo(k)为输出的频率，o表示输出层向量维度，o＝1,2,...,q。

25、进一步的，所述误差函数e表示为：

26、

27、进一步的，所述偏导数表示为：

28、

29、

30、

31、其中，表示计算偏导数符号，b0表示隐藏层各个神经元的阈值。

32、进一步的，所述根据偏导数更新各个网络权值表示为：

33、

34、其中，δwih(k)表示隐含层的权重矩阵变化量，η表示学习率，hih(k)表示隐含层的输入向量，δh(k)表示梯度，表示第n+1层隐含层的权重矩阵，wih表示输入层与中间层的连接权值。

35、进一步的，所述全局误差e表示为：

36、

37、其中，m为参与训练的样本总数。

38、进一步的，所述bp神经网络输入层为90个节点，分别对应采样波形上的90个特征点，所述bp神经网络为三层隐含层，三层隐含层对应的节点结构为74节点-112节点-56节点。

39、进一步的，所述学习率为0.001。

40、本发明的有益效果是：

41、与现有技术相比，本申请针对不能对信号频率进行快速检测的问题，提出基于神经网络的雷达信号频率快速检测方法。本申请可以实现对雷达信号载波频率的快速检测，结构简单，便于硬件实现。本申请适应的信号范围0.1ghz～3.4ghz，雷达信号载波频率测量均方误差(rmse)小于3mhz。

技术特征：

1.基于神经网络的雷达信号频率快速检测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述训练bp神经网络的过程具体为：

3.根据权利要求2所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述隐含层中各神经元的输入hih(k)和输出hoh(k)表示为：

4.根据权利要求3所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述输出层的结果表示为：

5.根据权利要求4所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述误差函数e表示为：

6.根据权利要求5所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述偏导数表示为：

7.根据权利要求6所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述根据偏导数更新各个网络权值表示为：

8.根据权利要求7所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述全局误差e表示为：

9.根据权利要求8所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述bp神经网络输入层为90个节点，分别对应采样波形上的90个特征点，所述bp神经网络为三层隐含层，三层隐含层对应的节点结构为74节点-112节点-56节点。

10.根据权利要求9所述的基于神经网络的雷达信号频率快速检测方法，其特征在于所述学习率为0.001。

技术总结
基于神经网络的雷达信号频率快速检测方法，涉及电子侦察与干扰技术领域，针对现有技术中不能对信号频率进行快速检测的问题，与现有技术相比，本申请针对不能对信号频率进行快速检测的问题，提出基于神经网络的雷达信号频率快速检测方法。本申请可以实现对雷达信号载波频率的快速检测，结构简单，便于硬件实现。本申请适应的信号范围0.1GHz～3.4GHz，雷达信号载波频率测量均方误差(RMSE)小于3MHz。

技术研发人员：赵忠凯,付豪,黄睿
受保护的技术使用者：哈尔滨工程大学
技术研发日：
技术公布日：2024/1/13