专利汇可以提供基于长短时记忆模型的智能雷达辐射源信号分类方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于长短时记忆模型的智能雷达 辐射 源 信号 分类方法,主要解决 现有技术 识别率低和识别速度慢的问题。其实现方案为:1)生成雷达辐射源信号数据集,并对其进行数据预处理;2)从预处理后的数据集中获得训练样本集、测试样本集和验证样本集;3)搭建一个七层长短时记忆单元网络,并设置网络模型的参数;4)调整网络模型的超参数并利用训练样本集和测试样本集对长短时记忆单元网络进行训练;5)将验证样本集输入到训练好的长短时记忆单元网络模型中,获得雷达辐射源信号分类结果。本发明可对一维信号进行自动的特征提取和准确的信号分类,且分类效果优、时间复杂度低、 稳定性 好,可用于复杂电磁环境下的雷达辐射源信号识别。,下面是基于长短时记忆模型的智能雷达辐射源信号分类方法专利的具体信息内容。
1.一种基于长短时记忆模型的智能雷达辐射源信号分类方法,其特征在于:包括如下:
1)获取不同调制方式的雷达辐射源信号,组成时序雷达辐射源信号样本集D,该信号样本集包含信号数据Dr和标签数据Dl两部分;
2)对时序雷达辐射源信号样本集中的信号数据Dr先进行min-max标准化处理,再对该样本集数据中的标签数据Dl进行one-hot向量编码,得到预处理后的时序雷达辐射源信号样本集D';
3)从预处理后的时序雷达辐射源信号样本集D'中随机抽取70%的信号组成训练样本D’1,从剩余的30%雷达信号中随机抽取20%的样本组成测试样本集D’3,剩余的10%雷达信号作为验证样本集D’3;
4)搭建一个包括输入层、两个长短时记忆单元层、两个全连接层、一个分类器层和一个输出层,且批大小为128的长短时记忆单元网络LSTMs,用于自动提取雷达时序信号特征并对雷达信号进行智能分类;
5)设置长短时记忆单元网络LSTMs的参数:
5a)设置输入层包含512个输入神经单元;
5b)设置第一层长短时记忆单元节点个数为512,第二层长短时记忆单元节点个数为
512及每个节点的遗忘门函数;
5c)设置长短时记忆模型中第一个全连接层和第二个全连接层的节点个数分别为512和128;
5d)设置分类器层为多分类函数中的Softmax函数;
5e)设置全连接层与分类器层之间的激活函数为线性修正单元激活函数;
5f)设置长短时记忆单元深度网络模型中的优化算法为基于自适应矩阵估计优化算法adam、损失函数为交叉熵函数、激活函数为线性修正单元激活函数和双曲正切激活函数;
6)设长短时记忆单元网络LSTMs学习率为0.0008,将训练样本集D’1和测试样本集D'2输入到该网络中,迭代训练5000次,得到训练好的长短时记忆单元网络模型;
7)将验证样本集D’3输入到训练好的长短时记忆单元网络模型中,得到时序雷达辐射源信号的分类结果。
2.根据权利要求1所述的方法,其特征在于,步骤(1)中的雷达信号调制方式,包括:常规脉冲信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、二频编码信号和四频编码信号这七种调制方式,其中:
常规脉冲信号、线性调频信号、非线性调频信号、二相编码信号和四相编码信号这五种调制方式的载频为200MHz;
二频编码信号的两个载频分别为200MHz、400MHz;
四频编码信号的四个载频分别是100MHz、300MHz、500MHz和700MHz;
线性调频信号的频偏为50MHz,
二相编码信号和二频编码信号的编码方式采用13位巴克码,
四相编码信号采用16位弗兰克码;
雷达辐射源信号的采样频率均设置为2GHz;
每种信号从-10dB到4dB以间隔2dB信噪比生成数量相等的样本,对每个时序信号中的多个数据点进行等间隔采样,连续采样1024个数据点组成一个信号样本,将所有的时序雷达辐射源信号样本组成时序雷达辐射源信号样本集。
3.根据权利要求1所述的方法,其特征在于,步骤(5b)中每个节点的遗忘门函数表示如下:
ft=σ(Wf·[Ct-1,ht-1,xt]+bf),
其中:σ(·)表示激活函数,Wf表示遗忘门权值,bf表示遗忘门偏置,Ct-1表示t-1时刻长短时记忆单元选择放弃的信息,ht-1表示t-1时刻隐含层的输出,xt表示t时刻的输入信息。
4.根据权利要求1所述的方法,其特征在于,步骤(2)中对时序雷达辐射源信号样本集中的信号数据进行min-max标准化处理,是将所有的样本数据,利用转换函数对数据进行线性变换,使数据值落到[0,1]区间,提升模型收敛速度和模型的精度,其中转换函数表示如下:
*
式中:x为原始样本数据,x标准化处理后的数据。
5.根据权利要求1所述的方法,其特征在于,步骤(2)中对样本集数据中的标签数据进行one-hot向量编码,是先将分类值映射到整数值,再将每个整数值表示为二进制向量,即将整数的索引标记为1,其他标记为0。
6.根据权利要求1所述的方法,其特征在于,步骤(5d)中多分类函数中的softmax函数表示如下:
其中, 表示多维数据Z的第L维、第j个数据点, 表示多维数据Z的第L维、第k个数据点, 表示数据Z第L维第j个数据点的概率值。
7.根据权利要求1中所述的方法,其特征在于,步骤(5f)中损失函数交叉熵的计算方式表示如下:
H(p,q)=-∑xp(x)logq(x),
其中,p(x)为样本中的标签,q(x)为模型的预估值,分别代表训练样本和模型的分布。
8.根据权利要求1中所述的方法,其特征在于,步骤(5e)中的线性修正单元激活函数,表示如下:
其中,m表示矩阵x中元素的总数,yi表示该激活函数的输出矩阵y中的第i个元素,xi表示矩阵x中第i个元素,该线性修正单元函数将矩阵x内所有负值都设为0,其余值不变。
9.根据权利要求1中所述的方法,其特征在于,步骤(5f)中的双曲正切激活函数,表示如下:
式中xt表示输入数值,通过双曲正切函数该将输入数值xt压缩到以0为中心,-1到1的区间内,得到输出x0,使零输入值的映射接近于零,负数输入值的映射仍为负数,正数输入值的映射仍为正数。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
电源转换器以及用于控制该电源转换器的方法和控制器 | 2020-07-05 | 2 |
一种基于深度学习的电力系统暂态稳定性判别系统及方法 | 2020-11-03 | 2 |
电压调整器 | 2020-11-03 | 2 |
一种测定材料标距效应曲线的试验与计算方法 | 2021-02-21 | 0 |
一种基于Spark的路网交通运行分析方法 | 2022-07-16 | 2 |
在低电源电压技术中增加电压模式驱动器的输出振幅 | 2022-07-11 | 2 |
用于监测温度不稳定性的测试电路 | 2023-01-06 | 1 |
融合分布式电源与柔性负荷的配电网检修负荷转供方法 | 2022-02-03 | 1 |
一种低压差线性稳压电路 | 2020-07-10 | 1 |
一种商品评论数据的口碑分析方法和装置 | 2023-01-28 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。