申请/专利权人：合肥工业大学

申请日：2020-10-09

公开（公告）日：2024-03-29

公开（公告）号：CN112213698B

主分类号：G01S7/36

分类号：G01S7/36

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明公开了一种基于稀疏表示分类的欺骗干扰识别方法，针对目前雷达欺骗干扰信号识别困难的现状，提出利用欺骗干扰信号参数的变化差异，实现对几种常见欺骗干扰信号的识别，通过划分频段，接收不同慢时域的信号形成信号集合；对不同频段每个慢时域时刻的信号进行三阶累积量计算，提取累积量切片特征，进而降低噪声的影响，提取稳定的信号特征；利用奇异值分解对特征进行降维，提取主要分量，最后利用稀疏表示分类对信号在不同频段上进行分类识别，利用决策融合的方法对分类结果进行整合。本发明能够充分利用不同欺骗干扰信号在拖引期参数的变化信息，有效的识别几种常见的欺骗干扰信号。

主权项：1.一种基于稀疏表示分类的欺骗干扰识别方法，其特征在于，包括以下步骤：步骤1，通过接收多个慢时域时刻的信号组成信号集合，对组成的信号集合进行频段划分并对信号进行重构，利用不同频段上信号参数的变化方式的不同，对欺骗干扰信号进行识别，再利用不同频段上信号之间的信息差异，在不同频段上对接收信号进行分类识别；步骤2，对所述不同频段的信号集合在每个慢时域上进行信号处理，提取稳定信号特征，减少噪声对识别系统的影响，并凸显不同种类信号之间的差异，在每个频段上构建用于识别的特征矩阵；步骤3，对每个频段上的特征矩阵进行降维处理，用少量的特征向量代替整个特征矩阵的信息，以减少后续识别过程中的特征参数数量；步骤4，利用稀疏表示分类的方法对不同的欺骗干扰信号进行识别，通过采取大量样本数据，将降维后的特征向量作为原子，构建超完备字典，再将样本在字典上展开，在所划分的不同频段上进行欺骗干扰识别，对不同频段上的分类结果，利用决策融合的方法进行整合，得到最终的识别结果；所述步骤1中，慢时域时刻的信号为线性调频信号，信号的发射信号形式为： 式中：其中f0为中频频率，k为调制斜率，为发射信号初始相位，τ为脉冲宽度；所述步骤1中，欺骗干扰信号包括有距离拖引干扰、速度拖引干扰以及距离-速度联合拖引干扰的信号形式，其中距离拖引干扰形式如下： 式中：AR为距离拖引干扰的幅度，ΔtJ为干扰机对雷达信号进行接收、存储、处理、转发所需的固有延迟，ΔtJt为距离拖引干扰的调制时延，为干扰机干扰信号初始相位；速度拖引干扰形式如下： 式中：AV为速度拖引干扰的幅度，ΔfdJt为速度拖引干扰调制的多普勒频移；距离-速度联合拖引干扰形式如下： 式中：AR-V为距离-速度联合拖引干扰的幅度；所述步骤1中，不同频段的划分方法采用小波包重构，经过频段划分后，所得到的信号集合采用以下形式：Si＝[xit,η0,xit,η1,…,xit,ηn,…xit,ηN]T雷达接收机在第i个频段上慢时域ηn时刻接收到的信号xit,ηn有以下几种情况： 式中，F表示傅里叶变换，R0ηn为慢时域ηn时刻对应的瞬时距离，ΔtJt,ηn为慢时域ηn时刻距离欺骗干扰的延时量，ΔfdJt,ηn为慢时域ηn时刻对应的数字射频存储干扰机产生的速度拖引干扰信号的多普勒频移，Hiω表示第i个频段上对应的带通滤波器；所述步骤2中，信号特征的处理方法采用三阶累积量，提取累积量对角切片，其中三阶累积量采用以下形式： 其中τ1、τ2分别为延时量，E表示数学期望；对角切片采用以下形式： 所述步骤3中，特征矩阵的降维处理方法采用奇异值分解的方法，通过提取奇异值所对应的左右奇异向量作为特征向量，用于后续识别；所述步骤4中，用于稀疏表示分类的原子为奇异向量，决策融合采用以下形式：yt＝argmax[y1,y2,y3,y4]其中，y1、y2、y3、y4分别表示识别为目标回波、欺骗干扰信号的字典数目，分类的最终结果表示为各个字典识别后分类次数最多的信号类型。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于稀疏表示分类的欺骗干扰识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD