申请/专利权人：西安建筑科技大学

申请日：2021-05-21

公开（公告）日：2024-04-23

公开（公告）号：CN113298138B

主分类号：G06F18/2411

分类号：G06F18/2411;G01S7/36;G06N5/00;G06F17/15;G06F17/16;G06F18/25;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.09.10#实质审查的生效;2021.08.24#公开

摘要：本发明公开了一种雷达辐射源个体识别方法及系统，包括，获取雷达辐射源信号，构建训练集及测试集；获取训练集中每个雷达辐射源信号的模糊函数分块特征，构建对应的高斯核矩阵；计算训练集中每个雷达辐射源信号的模糊函数分块特征的核判别比值，并对核判别比值排序，保留训练集中核判别比值排序靠前的模糊函数分块特征及其对应的高斯核矩阵；构建训练集组合高斯核矩阵，对高斯核支持向量机进行训练；将测试集作为训练好的高斯核支持向量机的输入，输出得到测试集中每个雷达辐射源信号的分类识别结果；本发明考虑了整个模糊函数平面的有用信息，有效提升个体识别的性能；能够有效避免冗余信息对识别性能的影响，缩短个体识别时间，识别精度较高。

主权项：1.一种雷达辐射源个体识别方法，其特征在于，包括以下步骤：获取雷达辐射源信号，构建训练集及测试集；获取训练集中每个雷达辐射源信号的模糊函数图，并分别进行条纹状分块，得到训练集中每个雷达辐射源信号的模糊函数分块特征；对训练集中每个雷达辐射源信号的模糊函数分块特征构建对应的高斯核矩阵；计算训练集中每个雷达辐射源信号的模糊函数分块特征的核判别比值，并对核判别比值按从大到小进行排序，保留训练集中核判别比值排序靠前的模糊函数分块特征及其对应的高斯核矩阵；具体的，计算核判别比值并排序的具体实现步骤为：计算每个雷达辐射源信号的模糊函数分块特征的类均值和全局均值mr；其中，模糊函数分块特征的类均值的表达式为： 其中，为第r个模糊函数分块特征下第u类的第v个样本；nu为第u类样本数目；Φr·为第r个模糊函数分块特征对应的非线性映射；模糊函数分块特征的全局均值mr的表达式为： 其中，U为类别总数；N为训练样本总数；根据每个雷达辐射源信号的模糊函数分块特征的类均值和全局均值mr，计算每个雷达辐射源信号的模糊函数分块特征的类间散度及类内散度计算每个雷达辐射源信号的模糊函数分块特征的类间散度及类内散度的比值，即得到训练集中每个雷达辐射源信号的模糊函数分块特征的核判别比值其中，核判别比值的表达式为： 对核判别比值按从大到小进行排序，得到核判别比值的排序结果；利用保留的训练集中模糊函数分块特征对应的高斯核矩阵，构建训练集组合高斯核矩阵；利用训练集组合高斯核矩阵，对高斯核支持向量机进行训练，得到训练好的高斯核支持向量机；将测试集作为训练好的高斯核支持向量机的输入，输出得到测试集中每个雷达辐射源信号的分类识别结果。

全文数据：

权利要求：

百度查询： 西安建筑科技大学 一种雷达辐射源个体识别方法及系统

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