申请/专利权人：电子科技大学

申请日：2022-05-18

公开（公告）日：2024-04-16

公开（公告）号：CN115081472B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/23213;G06N3/045;G06N3/0442;G06N3/088;G01S7/41

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明提供一种用于雷达行为分析的脉冲信号语法建模及特征提取方法，包括聚类离散编码步骤、统计建模分词步骤、序列标注划分步骤和序列联合感知步骤。本发明的语法模型由五个层级构成，提出了描述脉冲信号参数变化规律的脉冲字母与脉冲字、脉冲短语及描述工作状态和行为的脉冲句、脉冲段，细化了对参数变化模式、工作状态、雷达行为的描述，更适用于复杂应用场景下的信号特征分析。首先针对信号中可拆解的层级包含关系构建多层语义特征，其次基于无监督方法抽取底层语义特征，结合信号标注获取训练集，输入长短时记忆网络分析高层语义特征，最终实现对雷达信号的语法层级特征提取及行为分析，解决了参数重叠场景下的行为分析需求。

主权项：1.一种用于雷达行为分析的脉冲信号语法建模及特征提取方法，其特征在于，包括步骤：聚类离散编码步骤：对输入的原始脉冲序列经离散化后每一个符号表征为一个脉冲字母；将原始脉冲序列中的单位脉冲信号的所有参数对应的脉冲字母组成的联合特征结构作为脉冲字特征，实现从参数到编码符号的映射转换，形成脉冲字序列；统计建模分词步骤：对脉冲字序列建模统计语言模型，使用双向匹配算法和贝叶斯网络动态规划获得划分序列组候选结果，再结合困惑度指标获得困惑度最小的分词结果作为脉冲短语序列；序列标注划分步骤：将脉冲短语序列输入完成训练的句级特征识别网络，网络通过学习到的脉冲短语特征到脉冲句特征的关联概率，输出脉冲句序列；序列联合感知步骤：将脉冲句序列输入完成训练的段级特征识别网络，将脉冲句序列通过网络学习映射到行为模式，输出行为模式序列，即脉冲段序列；其中，句级特征识别网络使用注意力机制与双向LSTM网络搭建句级特征识别网络结构；脉冲短语序列经映射词表转换后的索引序列再经过嵌入层后的输出作为网络神经元的输入向量，输入向量经过前向与后向的LSTM结构学习序列的前后关联概率向量，网络隐藏层输出的向量通过与网络初始化权重矩阵相乘和softmax层处理后获得注意力分数向量，即注意力权重；使用注意力权重对网络输出向量进行加权处理，获得基于注意力的网络学习结果；将学习结果输出至线性全连接层解码并映射到状态类数向量空间上的脉冲句特征，获得脉冲句序列输出；段级特征识别网络使用了两层处理不同输入结构的LSTM网络；首先将脉冲句序列中的每个脉冲句级特征作为输入序列，通过单元嵌入模块进行句级单元嵌入获得嵌入向量后，使用第一层LSTM学习并输出输入序列中的每个脉冲句特征的向量表示；输入序列通过词表映射转索引和序列级嵌入层后获得嵌入向量，与第一层LSTM输出的向量特征进行向量拼接；拼接后的向量作为第二层LSTM的输入，将第二层LSTM通过对拼接向量进行行为分析，学习并输出行为特征向量，行为特征向量经过全连接层解码映射至行为模式向量空间中，从而输出行为模式序列。

全文数据：

权利要求：

百度查询： 电子科技大学 一种用于雷达行为分析的脉冲信号语法建模及特征提取方法

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