本發(fā)明涉及雷達(dá)信號(hào)處理，具體涉及一種雷達(dá)干擾識(shí)別方法、裝置及設(shè)備。

背景技術(shù)：

1、隨著雷達(dá)系統(tǒng)的不斷發(fā)展，雷達(dá)在軍事安全，民航、交通運(yùn)輸、氣象監(jiān)測(cè)、地面監(jiān)視以及自動(dòng)駕駛等領(lǐng)域都發(fā)揮著越來(lái)越重要的作用。然而，隨著雷達(dá)欺騙干擾技術(shù)的發(fā)展，雷達(dá)系統(tǒng)受到了嚴(yán)重沖擊。欺騙性干擾在現(xiàn)代戰(zhàn)爭(zhēng)中普遍存在，其通過(guò)制造虛假信號(hào)來(lái)掩蓋真實(shí)目標(biāo)信息，影響雷達(dá)系統(tǒng)的正常工作。目前，大多數(shù)抗干擾技術(shù)都是針對(duì)特定類別的干擾定制的，因此如何準(zhǔn)確識(shí)別干擾類型至關(guān)重要。

2、一般來(lái)說(shuō)，雷達(dá)的干擾識(shí)別方法主要分為兩類，傳統(tǒng)方法和深度學(xué)習(xí)方法。傳統(tǒng)方法如基于似然的方法和基于信號(hào)特征的方法。基于似然的方法需要先驗(yàn)知識(shí)來(lái)構(gòu)建模型，然后使用廣義似然比檢驗(yàn)(glrt)對(duì)信號(hào)進(jìn)行分類和檢測(cè)，但在復(fù)雜的電磁環(huán)境下，該方法的應(yīng)用范圍受到一定的限制?；谛盘?hào)特征的方法通過(guò)提取可分離特征對(duì)干擾信號(hào)進(jìn)行分類。然而，分類性能主要取決于人工特征的判別能力，因此識(shí)別精確度欠佳?；谏疃葘W(xué)習(xí)方法，如將卷積神經(jīng)網(wǎng)絡(luò)(cnn)應(yīng)用于雷達(dá)干擾識(shí)別。目前，已有研究人員選擇將原始雷達(dá)信號(hào)作為輸入，使用1d-cnn模型來(lái)識(shí)別干擾類型，或?qū)⒃祭走_(dá)信號(hào)的時(shí)頻分布，輸入到2d-cnn結(jié)構(gòu)中來(lái)完成分類任務(wù)。盡管這些方法可以取得較好的性能，但通常需要大量的樣本進(jìn)行訓(xùn)練。由于電磁環(huán)境的復(fù)雜性，收集大量的訓(xùn)練樣本具有挑戰(zhàn)，這種困難可能導(dǎo)致基于深度學(xué)習(xí)的識(shí)別方法魯棒性較差。

3、因此，現(xiàn)有的雷達(dá)干擾識(shí)別方法存在應(yīng)用范圍受限，或者識(shí)別魯棒性較差的問題。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中所存在的上述問題，本發(fā)明提供了一種雷達(dá)干擾識(shí)別方法、裝置及設(shè)備。

2、本發(fā)明要解決的技術(shù)問題通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

3、第一方面，本發(fā)明提供了一種雷達(dá)干擾識(shí)別方法，包括：

4、獲取待識(shí)別雷達(dá)信號(hào)；

5、對(duì)待識(shí)別雷達(dá)信號(hào)進(jìn)行時(shí)頻變換，得到待識(shí)別頻域信號(hào)；

6、將待識(shí)別頻域信號(hào)依據(jù)時(shí)頻變換的窗口大小，建模為待識(shí)別圖結(jié)構(gòu)；

7、將待識(shí)別頻域信號(hào)和待識(shí)別圖結(jié)構(gòu)，輸入預(yù)訓(xùn)練干擾識(shí)別模型，獲得信號(hào)識(shí)別結(jié)果；預(yù)訓(xùn)練干擾識(shí)別模型基于預(yù)訓(xùn)練圖卷積模型和預(yù)訓(xùn)練深度識(shí)別模型共同構(gòu)建得到；預(yù)訓(xùn)練圖卷積模型用于獲取待識(shí)別圖結(jié)構(gòu)中的空間信息；預(yù)訓(xùn)練深度識(shí)別模型用于獲取待識(shí)別頻域信號(hào)中的全局特征。

8、可選地，對(duì)待識(shí)別雷達(dá)信號(hào)進(jìn)行時(shí)頻變換，得到待識(shí)別頻域信號(hào)，包括：

9、對(duì)待識(shí)別雷達(dá)信號(hào)進(jìn)行短時(shí)傅里葉變換處理，得到待識(shí)別頻域信號(hào)。

10、可選地，將待識(shí)別頻域信號(hào)依據(jù)時(shí)頻變換的窗口大小，建模為待識(shí)別圖結(jié)構(gòu)，包括：

11、將待識(shí)別頻域信號(hào)基于短時(shí)傅里葉變換處理時(shí)對(duì)應(yīng)的窗口，建模為節(jié)點(diǎn)；

12、利用余弦相似度計(jì)算得到節(jié)點(diǎn)的權(quán)重值；

13、通過(guò)節(jié)點(diǎn)和權(quán)重值，構(gòu)建得到待識(shí)別圖結(jié)構(gòu)。

14、可選地，預(yù)訓(xùn)練干擾識(shí)別模型包括：預(yù)訓(xùn)練圖卷積模型、預(yù)訓(xùn)練深度識(shí)別模型以及預(yù)訓(xùn)練全連接模塊；

15、預(yù)訓(xùn)練圖卷積模型與預(yù)訓(xùn)練深度識(shí)別模型并行連接，構(gòu)成第一結(jié)構(gòu)；

16、第一結(jié)構(gòu)與預(yù)訓(xùn)練全連接模塊串行連接；

17、其中，預(yù)訓(xùn)練圖卷積模型采用預(yù)訓(xùn)練gcnii模型，預(yù)訓(xùn)練深度識(shí)別模型采用預(yù)訓(xùn)練transformer模型。

18、可選地，將待識(shí)別頻域信號(hào)和待識(shí)別圖結(jié)構(gòu)，輸入預(yù)訓(xùn)練干擾識(shí)別模型，獲得信號(hào)識(shí)別結(jié)果，包括：

19、將待識(shí)別圖結(jié)構(gòu)輸入預(yù)訓(xùn)練圖卷積模型，獲得空間信息；

20、將待識(shí)別頻域信號(hào)輸入預(yù)訓(xùn)練深度識(shí)別模型，獲得全局特征；

21、對(duì)空間信息和全局特征進(jìn)行特征融合處理，得到融合特征；

22、將融合特征輸入預(yù)訓(xùn)練全連接模塊進(jìn)行分類識(shí)別，獲得信號(hào)識(shí)別結(jié)果。

23、可選地，對(duì)空間信息和全局特征進(jìn)行特征融合處理，得到融合特征，包括：

24、采用互注意力機(jī)制對(duì)空間信息和全局特征進(jìn)行特征融合處理，得到融合特征。

25、可選地，預(yù)訓(xùn)練干擾識(shí)別模型的訓(xùn)練過(guò)程包括：

26、獲取雷達(dá)信號(hào)樣本；雷達(dá)信號(hào)樣本包括：雷達(dá)回波信號(hào)樣本和雷達(dá)干擾信號(hào)樣本；

27、對(duì)雷達(dá)信號(hào)樣本進(jìn)行時(shí)頻變換，得到頻域信號(hào)樣本；

28、將頻域信號(hào)樣本依據(jù)時(shí)頻變換的窗口大小，建模為圖結(jié)構(gòu)樣本；

29、將頻域信號(hào)樣本和圖結(jié)構(gòu)樣本輸入初始干擾識(shí)別模型進(jìn)行訓(xùn)練，并將滿足預(yù)設(shè)停止條件的初始干擾識(shí)別模型，作為預(yù)訓(xùn)練干擾識(shí)別模型；預(yù)訓(xùn)練干擾識(shí)別模型和初始干擾識(shí)別模型結(jié)構(gòu)相同。

30、可選地，預(yù)設(shè)停止條件包括：訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)訓(xùn)練閾值；或損失函數(shù)值持續(xù)小于預(yù)設(shè)損失閾值。

31、第二方面，本發(fā)明提供了一種雷達(dá)干擾識(shí)別裝置，包括：獲取單元、時(shí)頻變換單元、建模單元以及識(shí)別單元；

32、獲取單元用于：獲取待識(shí)別雷達(dá)信號(hào)；

33、時(shí)頻變換單元用于：對(duì)待識(shí)別雷達(dá)信號(hào)進(jìn)行時(shí)頻變換，得到待識(shí)別頻域信號(hào)；

34、建模單元用于：將待識(shí)別頻域信號(hào)依據(jù)時(shí)頻變換的窗口大小，建模為待識(shí)別圖結(jié)構(gòu)；

35、識(shí)別單元用于：將待識(shí)別頻域信號(hào)和待識(shí)別圖結(jié)構(gòu)，輸入預(yù)訓(xùn)練干擾識(shí)別模型，獲得信號(hào)識(shí)別結(jié)果；預(yù)訓(xùn)練干擾識(shí)別模型基于預(yù)訓(xùn)練圖卷積模型和預(yù)訓(xùn)練深度識(shí)別模型共同構(gòu)建得到；預(yù)訓(xùn)練圖卷積模型用于獲取待識(shí)別圖結(jié)構(gòu)中的空間信息；預(yù)訓(xùn)練深度識(shí)別模型用于獲取待識(shí)別頻域信號(hào)中的全局特征。

36、第三方面，本發(fā)明提供一種雷達(dá)干擾識(shí)別設(shè)備，包括：處理器、存儲(chǔ)介質(zhì)和總線，存儲(chǔ)介質(zhì)存儲(chǔ)有處理器可執(zhí)行的機(jī)器可讀指令，當(dāng)雷達(dá)干擾識(shí)別設(shè)備運(yùn)行時(shí)，處理器與存儲(chǔ)介質(zhì)之間通過(guò)總線通信，處理器執(zhí)行機(jī)器可讀指令，以執(zhí)行如上述第一方面雷達(dá)干擾識(shí)別方法的步驟。

37、本發(fā)明提供了一種雷達(dá)干擾識(shí)別方法、裝置及設(shè)備。其中，雷達(dá)干擾識(shí)別方法，包括：獲取待識(shí)別雷達(dá)信號(hào)；對(duì)待識(shí)別雷達(dá)信號(hào)進(jìn)行時(shí)頻變換，得到待識(shí)別頻域信號(hào)；將待識(shí)別頻域信號(hào)依據(jù)時(shí)頻變換的窗口大小，建模為待識(shí)別圖結(jié)構(gòu)；將待識(shí)別頻域信號(hào)和待識(shí)別圖結(jié)構(gòu)，輸入預(yù)訓(xùn)練干擾識(shí)別模型，獲得信號(hào)識(shí)別結(jié)果；預(yù)訓(xùn)練干擾識(shí)別模型基于預(yù)訓(xùn)練圖卷積模型和預(yù)訓(xùn)練深度識(shí)別模型共同構(gòu)建得到；預(yù)訓(xùn)練圖卷積模型用于獲取待識(shí)別圖結(jié)構(gòu)中的空間信息；預(yù)訓(xùn)練深度識(shí)別模型用于獲取待識(shí)別頻域信號(hào)中的全局特征。在本發(fā)明中，通過(guò)將待識(shí)別頻域信號(hào)建模為待識(shí)別圖結(jié)構(gòu)，并采用預(yù)訓(xùn)練圖卷積模型和預(yù)訓(xùn)練深度識(shí)別模型結(jié)合的方式對(duì)待識(shí)別圖結(jié)構(gòu)和待識(shí)別頻域信號(hào)進(jìn)行特征提取，可以實(shí)現(xiàn)從空間信息層面和全局特征層面對(duì)信號(hào)特征的提取，獲取的特征信息更加全面，提高了對(duì)雷達(dá)干擾信號(hào)識(shí)別的精確度和魯棒性；另外，由于避免了先驗(yàn)知識(shí)的獲取，且采用本發(fā)明方法可以針對(duì)多種電磁信號(hào)進(jìn)行處理，因此擴(kuò)大了雷達(dá)干擾識(shí)別方法的應(yīng)用范圍。

38、以下將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。

技術(shù)特征：

1.一種雷達(dá)干擾識(shí)別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的雷達(dá)干擾識(shí)別方法，其特征在于，所述對(duì)所述待識(shí)別雷達(dá)信號(hào)進(jìn)行時(shí)頻變換，得到待識(shí)別頻域信號(hào)，包括：

3.根據(jù)權(quán)利要求2所述的雷達(dá)干擾識(shí)別方法，其特征在于，所述將所述待識(shí)別頻域信號(hào)依據(jù)時(shí)頻變換的窗口大小，建模為待識(shí)別圖結(jié)構(gòu)，包括：

4.根據(jù)權(quán)利要求1所述的雷達(dá)干擾識(shí)別方法，其特征在于，所述預(yù)訓(xùn)練干擾識(shí)別模型包括：預(yù)訓(xùn)練圖卷積模型、預(yù)訓(xùn)練深度識(shí)別模型以及預(yù)訓(xùn)練全連接模塊；

5.根據(jù)權(quán)利要求4所述的雷達(dá)干擾識(shí)別方法，其特征在于，所述將所述待識(shí)別頻域信號(hào)和所述待識(shí)別圖結(jié)構(gòu)，輸入預(yù)訓(xùn)練干擾識(shí)別模型，獲得信號(hào)識(shí)別結(jié)果，包括：

6.根據(jù)權(quán)利要求5所述的雷達(dá)干擾識(shí)別方法，其特征在于，所述對(duì)所述空間信息和所述全局特征進(jìn)行特征融合處理，得到融合特征，包括：

7.根據(jù)權(quán)利要求1所述的雷達(dá)干擾識(shí)別方法，其特征在于，所述預(yù)訓(xùn)練干擾識(shí)別模型的訓(xùn)練過(guò)程包括：

8.根據(jù)權(quán)利要求7所述的雷達(dá)干擾識(shí)別方法，其特征在于，所述預(yù)設(shè)停止條件包括：訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)訓(xùn)練閾值；或損失函數(shù)值持續(xù)小于預(yù)設(shè)損失閾值。

9.一種雷達(dá)干擾識(shí)別裝置，其特征在于，包括：獲取單元、時(shí)頻變換單元、建模單元以及識(shí)別單元；

10.一種雷達(dá)干擾識(shí)別設(shè)備，其特征在于，包括：處理器、存儲(chǔ)介質(zhì)和總線，所述存儲(chǔ)介質(zhì)存儲(chǔ)有所述處理器可執(zhí)行的機(jī)器可讀指令，當(dāng)所述雷達(dá)干擾識(shí)別設(shè)備運(yùn)行時(shí)，所述處理器與所述存儲(chǔ)介質(zhì)之間通過(guò)總線通信，所述處理器執(zhí)行所述機(jī)器可讀指令，以執(zhí)行如權(quán)利要求1-8任一項(xiàng)所述雷達(dá)干擾識(shí)別方法的步驟。

技術(shù)總結(jié)
本發(fā)明提供了一種雷達(dá)干擾識(shí)別方法、裝置及設(shè)備。方法包括：獲取待識(shí)別雷達(dá)信號(hào)；對(duì)待識(shí)別雷達(dá)信號(hào)進(jìn)行時(shí)頻變換，得到待識(shí)別頻域信號(hào)；將待識(shí)別頻域信號(hào)依據(jù)時(shí)頻變換的窗口大小，建模為待識(shí)別圖結(jié)構(gòu)；將待識(shí)別頻域信號(hào)和待識(shí)別圖結(jié)構(gòu)，輸入預(yù)訓(xùn)練干擾識(shí)別模型，獲得信號(hào)識(shí)別結(jié)果；預(yù)訓(xùn)練干擾識(shí)別模型基于預(yù)訓(xùn)練圖卷積模型和預(yù)訓(xùn)練深度識(shí)別模型共同構(gòu)建得到；預(yù)訓(xùn)練圖卷積模型用于獲取待識(shí)別圖結(jié)構(gòu)中的空間信息；預(yù)訓(xùn)練深度識(shí)別模型用于獲取待識(shí)別頻域信號(hào)中的全局特征。采用預(yù)訓(xùn)練圖卷積模型和預(yù)訓(xùn)練深度識(shí)別模型結(jié)合的方式對(duì)待識(shí)別圖結(jié)構(gòu)和待識(shí)別頻域信號(hào)進(jìn)行特征提取，使獲取的特征信息更加全面，提高了對(duì)干擾信號(hào)識(shí)別的精確度和魯棒性。

技術(shù)研發(fā)人員：蔣俊正,李安,朱春杰,全英匯
受保護(hù)的技術(shù)使用者：西安電子科技大學(xué)杭州研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28