申请/专利权人：盛航(台州)科技有限公司

申请日：2023-12-27

公开（公告）日：2024-04-16

公开（公告）号：CN117890859A

主分类号：G01S7/02

分类号：G01S7/02;G06F30/27

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：基于联合差值密集连接网络的雷达辐射源分选方法，包括以下步骤：S1:雷达侦察数据集生成；S2:特征提取；S3:特征参数预处理；S4:神经网络的构建及预学习；S5:测试。本发明提出了一套适用于雷达侦察辐射源分选的算法，首先从雷达侦察数据中的脉冲到达时间、脉冲宽度、载波频率三个经典脉间参数出发，建立一维的密集连接网络，将此联合特征矩阵做神经网络的输入矩阵，做训练和测试优化，实现基于密集连接网络的雷达辐射源分选，经过仿真实现及对比证明了此方法可行并有很好的效果，提高了分选的正确率，弥补脉内调制信息的缺失，在复杂调制下也有很好的效果，并对滑变、脉间捷变和参差信号的分选准确率进一步提升。

主权项：1.基于联合差值密集连接网络的雷达辐射源分选方法，其特征在于，包括以下步骤：S1:雷达侦察数据集生成模拟现代战场雷达仿真生成较为复杂的辐射源信号数据集，对此数据集进行划分得到神经网络所需要的训练集、验证集以及测试集；S2:特征提取特征提取包括脉间特征提取和脉内特征提取；S3:特征参数预处理对步骤S2中的八个特征值ΔTOA，PW，CF，HS，HE，HR，Cr1，Cr2分别计算差值矩阵，可以得到基于这些特征值的八个特征差值矩阵DΔTOA，DPW，DCF，DHS，DHE，DHR，DCr1，DCr2，得到n×8r的特征参数联合差值矩阵[DΔTOA，DPW，DCF，DHS，DHE，DHR，DCr1，DCr2]；S4:神经网络的构建及预学习根据定义构建一维的密集连接网络，对划分为训练集的数据进行特征提取及参数预处理，将得到的特征参数联合矩阵作为输入传进此网络中，进行神经网络的信号特征学习，网络的输出结果即为雷达辐射源的分选结果；S5:测试神经网络的效果通常都采用测试集的正确率来验证，测试集的分选正确率γ计算公式为： 其中，n0表示的是正确分选的雷达辐射源信号数量，n为测试集包含的数据总量，即所有需要被分选的雷达辐射源信号数量。

全文数据：

权利要求：

百度查询： 盛航(台州)科技有限公司 基于联合差值密集连接网络的雷达辐射源分选方法

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