下载文档原格式
Vol. 43 No. 4April 2021第43卷第4期2021年4月文章编号：1001-506X(2021)04-0917-10系统工程与电子技术Systems Engineering and Electronics网址 :www. sys-ele. com基于时频特征提取和残差神经网络的雷达信号识别谢存祥】，张立民】，钟兆根(1.海军航空大学信息融合研究所，山东烟台264001；2.海军航空大学航空基础学院，山东烟台264001)摘 要：针对低信噪比(signal to noise ratio , SNR )下雷达信号脉内调制类型识别率较低的问题，提出了基于时频特征提取和残差神经网络的雷达信号识别算法。
时频特征提取首先通过分数阶傅里叶变换对信号进行Chirp 基分解，按照Chirp 基载频与调频率的不同组合对信号划分类别，并设置对应的分类特征参数。
然后，计算信号的伪Wigner-Ville时频分布并提取Zernike 矩。
上述特征参数组成信号特征矢量，使用残差神经网络分类器实现雷达信号识别。
仿真结果表明，在SNR= —2 dB 时识别准确率能达到93%以上，同时鲁棒性验证良好，算法复杂度能够满足现实要求。
关键词：雷达信号识别；分数阶傅里叶变换；Chirp 基分解；Zernike 矩；残差神经网络中图分类号：TN911 文献标志码：A DOI ：10. 12305/j. issn. 1001-506X. 2021. 04. 08Radar signal recognition based on time-frequency feature extraction andresidual neural networkXIE Cunxiang 1, ZHANG Limin 1 , ZHONG Zhaogen 2, **收稿日期：2020 -07 - 17；修回日期：2020 - 08 - 19；网络优先出版日期：2020 - 12 - 31。
信号识别参数提取方法在信号处理中，通常采用以下四个步骤进行参数提取：预处理、特征提取、特征选择和分类器训练。
1.预处理预处理是对信号进行初步处理，以去除噪声和无用信息，提高信号的质量和可用性。
常见的预处理方法有滤波、去除基线漂移、降采样等。
滤波可以通过低通、高通、带通等滤波器对信号进行滤波，去除噪声和不必要的频率成分。
去除基线漂移可以通过差分、均值滤波等方法实现，用于去除信号中的低频成分。
2.特征提取特征提取是从信号中选择出具有区分性的特征，用于表示信号的重要信息。
常见的特征提取方法有时域特征、频域特征和时频域特征。
-时域特征：时域特征是指在时域上对信号的振幅、均值、标准差、波形等进行统计分析。
常见的时域特征有均值、方差、能量、峰值等。
-频域特征：频域特征是指通过对信号进行傅里叶变换或小波变换，从频域上提取信号的频谱特征。
常见的频域特征有频率、频带宽度、峰值频率等。
-时频域特征：时频域特征是指通过短时傅里叶变换（STFT）或小波变换等方法，将时域和频域特征相结合，提取了信号在时间和频率上的变化特征。
常见的时频域特征有瞬时频率、瞬时幅度、瞬时相位等。
3.特征选择特征选择是从提取出的特征中选择出最具有代表性和区分性的特征。
常见的特征选择方法有过滤式选择和包裹式选择。
- 过滤式选择：过滤式选择是通过对特征进行评价和排序，选择出具有高相关性和区分度的特征。
常见的过滤式选择方法有Pearson相关系数、互信息等。
-包裹式选择：包裹式选择是通过将特征子集的性能作为过程中的评价指标，选择出使得分类性能最好的特征子集。
常见的包裹式选择方法有遗传算法、模拟退火算法等。
4.分类器训练分类器训练是指将提取出的特征输入到分类器中，通过训练和学习，建立一个能对信号进行分类和识别的模型。
常见的分类器有支持向量机、人工神经网络、决策树等。
总结起来，信号识别参数提取方法是通过预处理、特征提取、特征选择和分类器训练这四个步骤，对信号进行分析和处理，提取出具有特征信息的参数。
雷达信号处理中的目标识别技术雷达作为现代武器系统中不可缺少的一部分，具有广泛的应用。
在使用过程中，雷达需要将接收到的信号进行处理，以实现对目标的探测与识别。
其中，目标识别技术是雷达信号处理中的重要组成部分，也是决定雷达性能和作战效果的关键因素之一。
一、目标特征提取目标识别技术的核心是目标特征提取，即通过对雷达接收到的信号进行分析和处理，提取出与目标相关的特征信息。
目标特征主要包括散射特征、运动特征和形态特征等。
其中，散射特征是指目标使雷达接收到的电磁波在空间和时间上的分布特性，通常用雷达截面积（RCS）来描述；运动特征是指目标运动的速度、方向和加速度等，可以通过多普勒频移和相位变化等特征进行提取；形态特征是指目标的几何形状、轮廓和纹理等，常用的提取方法包括边缘检测、轮廓提取、特征点匹配等。
目标特征的提取方法有很多种，如时域分析、频域分析、小波分析、深度学习等。
其中，时域分析是最基本和常用的方法之一，目标的散射信号通常通过时域信号处理进行分析和处理，得到目标的距离、径向速度和加速度等信息；频域分析则是通过傅里叶变换等方法将信号变换到频域，从而获得目标的频率和幅值等信息；小波分析是一种新型的信号处理方法，它通过小波变换将信号分解为多个不同频率的子带，以提高信号处理的精度和效率；深度学习则是近年来兴起的一种人工智能技术，通过神经网络等方法对海量数据进行学习和训练，以实现目标特征的高效提取和识别。
二、目标分类和识别目标特征提取后，还需要对目标进行分类和识别，即根据特征信息将目标归类到不同的目标库中，并判断目标是否是敌我识别。
目标分类和识别的方法主要包括基于特征匹配、基于统计分类、基于神经网络等多种方法。
基于特征匹配的方法是将目标特征与目标库中已知的目标特征进行比对，通过一定的相似度判断将目标归类到相应的目标类型中。
该方法需要建立大量的目标库，对目标特征的匹配精度以及库中目标的类型和数量要求较高，适用于目标类型比较固定的场景。
基于改进的Morlet小波变换的雷达信号特征提取章琴;刘以安【摘要】为了能够进一步准确地估计出雷达信号的瞬时频率，在原有的 Morlet 小波基函数的基础上，提出了一种改进的 Morlet 小波基函数，并将其用于小波脊线的提取。
用改进后的 Morlet 小波基函数来提取雷达信号的小波脊线特征，从而估计出雷达信号的瞬时频率。
仿真结果表明，用改进后的Morlet 小波基函数提取出来的雷达特征比利用原有的 Morlet 小波基函数提取出来的雷达特征性能更优，具有更好的时频综合特性及良好的抑制噪声能力，其方法是可行的。
%In order to estimate the instantaneous frequency of the radar signal accurately, this paper proposed a new Morlet wavelet basis function based on the existing one, and used it for extracting wavelet ridge. The results of simulation show that the performance of the extraction of radar signal features which is based on modified morlet wavelet basis function better than the exsisting one, and the method is feasible.【期刊名称】《微型机与应用》【年(卷),期】2015(000)010【总页数】4页(P70-73)【关键词】瞬时频率;Morlet 小波变换;小波脊线【作者】章琴;刘以安【作者单位】江南大学物联网工程学院，江苏无锡 214122;江南大学物联网工程学院，江苏无锡 214122【正文语种】中文【中图分类】TP391在电子情报侦察和对抗领域，能否有效地、高精度地从被截获的雷达信号中提取信号的瞬时参数，对识别信号的“指纹”具有重要的意义［1］。
信号特征的时域提取方法-回复提取信号特征是信号处理领域的重要任务之一。
信号的特征可以描述信号的频率、幅度、相位等属性，对于信号的分类、识别、分类和应用有着重要的作用。
时域是一种常用的信号分析方法，通过对信号的时序特征进行提取和分析，可以获得信号的重要特征信息。
本文将介绍几种常用的时域提取方法，并详细阐述每种方法的原理和应用。
一、时域特征提取的基本原理时域特征提取是通过对信号的时序进行分析，提取信号在时间轴上的各种特征。
常用的时域特征包括均值、方差、峰值、时间差等。
这些特征可以用于描述信号的振幅、变化速度、周期性等属性。
时域特征提取的基本原理如下：1. 信号的均值提取：均值是指信号在给定时间段内的平均值。
通过计算信号的均值可以得到信号的直流分量，用于描述信号的整体水平。
2. 信号的方差提取：方差是指信号在给定时间段内的离散程度。
通过计算信号的方差可以了解信号的波动性和不确定度。
3. 信号的峰值提取：峰值是指信号在给定时间段内的最大值或最小值。
通过求取信号的峰值可以了解信号的最高点或最低点，并描述信号的波动性。
4. 信号的时间差提取：时间差是指信号在给定时间段内相邻点之间的时间间隔。
通过计算信号的时间差可以了解信号的变化速率和周期性。
二、常用的时域特征提取方法1. 信号的平均值提取方法平均值是信号数据的统计量，可以描述信号的整体水平。
平均值的提取方法主要有两种：一种是简单的平均值方法，另一种是加权平均值方法。
简单平均值方法是将信号的所有数据进行求和后除以数据点的个数。
这种方法适用于信号没有明显变化趋势的情况。
加权平均值方法是根据信号的变化趋势对数据进行加权求和后再除以权重的总和。
这种方法适用于信号具有明显变化趋势的情况。
2. 信号的方差提取方法方差是信号数据的统计量，可以描述信号的离散程度。
方差的提取方法主要有两种：一种是简单的方差方法，另一种是加权方差方法。
简单方差方法是先求出信号的平均值，然后将每个数据点与平均值的差值的平方求和后除以数据点的个数。
