本發(fā)明涉及智能信號處理領(lǐng)域，更為具體的，涉及一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法、裝置、介質(zhì)及系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)電磁信號識別主要基于人工提取的特征，但由于參數(shù)維度低，導(dǎo)致參數(shù)交疊嚴重，適應(yīng)性不好，特別是在樣本量較少的條件下，識別性能進一步降低。而以深度學(xué)習(xí)為代表的人工智能識別方法，需要大量的數(shù)據(jù)樣本，在小樣本條件下識別效果非常有限。針對小樣本識別處理，傳統(tǒng)的孿生網(wǎng)絡(luò)以歐式距離作為代價函數(shù)，對于向量的相似性度量存在門限設(shè)置問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法、裝置、介質(zhì)及系統(tǒng)，不依賴于輻射源所使用的電磁參數(shù)，從而可獲得更加魯棒的小樣本識別結(jié)果。

2、本發(fā)明的目的是通過以下方案實現(xiàn)的：

3、一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法，包括以下步驟：

4、首先，對接收的寬帶電磁信號進行快速傅里葉變換并估計電磁信號的中心頻率；

5、其次，以中心頻率為載頻進行數(shù)字下變頻從而獲得iq信號；

6、再次，截取前沿的固定長度信號，采用卷積神經(jīng)網(wǎng)絡(luò)進行空間映射獲得特征向量；

7、最后，以特征向量之間的余弦相似度作為代價函數(shù)，來判斷兩個電磁信號是否屬于同一輻射源。

8、進一步地，所述對接收的寬帶電磁信號進行快速傅里葉變換并估計電磁信號的中心頻率，具體包括子步驟：

9、s1，設(shè)接收的寬帶電磁信號為s(n)(，其中n為采樣點的長度，采樣率為fs，對接收的寬帶電磁信號s(n)(進行快速傅里葉變換處理得到spec(n*)，并對spec(n*)取幅度得到|spec(n*)|；取|spec(n*)|第一個最大值所對應(yīng)的序號，假設(shè)為idx，則估計得到的信號的中心頻率fc為

10、進一步地，所述以中心頻率為載頻進行數(shù)字下變頻從而獲得iq信號，具體包括子步驟：

11、s2，以估計得到的中頻頻率fc進行數(shù)字下變頻處理得到s1(n)，處理公式為：

12、

13、其中，j為虛數(shù)單位，經(jīng)過處理后s1(n)為復(fù)數(shù)信號。

14、s3，對s1(n)進行濾波處理，并進行m倍抽取，從而獲得其中表示向下取整。

15、進一步地，所述截取前沿的固定長度信號，采用卷積神經(jīng)網(wǎng)絡(luò)進行空間映射獲得特征向量，具體包括子步驟：

16、s4，將復(fù)數(shù)信號s2(m)的同向分量和正交分量組成二維向量sigvec，該向量的尺寸為并進行長度為k1的截取，截取后的二維向量為sigvec*，其向量尺寸為2*k1。

17、s5，對sigvec*采用卷積神經(jīng)網(wǎng)絡(luò)進行空間映射，得到特征向量為featurevec，令該特征表示為[x1,x2,…,xk]，其中k為特征向量的長度；

18、s6，對已知的小樣本電磁信號按照步驟s1～步驟s5進行處理，對于第p(p＝1,2,…,p)個電磁信號處理得到的特征為featurevecp＝[x1,p,x2,p,…,xk,p](p＝1,2,…,p)，其中p為已知的小樣本電磁信號數(shù)量。對待識別電磁信號也按照步驟1～5進行處理得到的特征為featurevecid＝[x1,id,x2,id,…,xk,id]。

19、進一步地，所述以特征向量之間的余弦相似度作為代價函數(shù)，來判斷兩個電磁信號是否屬于同一輻射源，具體包括子步驟：

20、s7，以待識別電磁信號的特征featurevecid與已知的小樣本電磁信號特征分別基于余弦相似度估計代價函數(shù)，其計算公式為：

21、

22、其中[·]t表示轉(zhuǎn)置操作；

23、s8，以代價函數(shù)costp最小時電磁信號樣本所對應(yīng)的類別，作為待識別電磁信號的類別。

24、一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方裝置，包括：處理器和存儲器，所述存儲器中存儲有計算機程序，當所述計算機程序被所述處理器加載時執(zhí)行如上任一項所述的方法。

25、一種計算機可讀存儲介質(zhì)，在可讀存儲介質(zhì)中存儲有計算機程序，所述計算機程序被處理器加載時執(zhí)行如上任一項所述的方法。

26、一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方系統(tǒng)，包括如上所述的基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方裝置。

27、本發(fā)明的有益效果包括：

28、本發(fā)明提供了一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法。首先對接收的寬帶電磁信號進行快速傅里葉變換并估計電磁信號的中心頻率；其次以中心頻率為載頻進行數(shù)字下變頻從而獲得iq信號；再次截取前沿的固定長度信號，采用卷積神經(jīng)網(wǎng)絡(luò)進行空間映射獲得特征向量；最后再以特征向量之間的余弦相似度作為代價函數(shù)，來判斷兩個電磁信號是否屬于同一輻射源。

29、本發(fā)明方法不依賴于輻射源所使用的電磁參數(shù)，從而可獲得更加魯棒的小樣本識別結(jié)果。

技術(shù)特征：

1.一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法，其特征在于，所述對接收的寬帶電磁信號進行快速傅里葉變換并估計電磁信號的中心頻率，具體包括子步驟：

3.根據(jù)權(quán)利要求2所述的基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法，其特征在于，所述以中心頻率為載頻進行數(shù)字下變頻從而獲得iq信號，具體包括子步驟：

4.根據(jù)權(quán)利要求3所述的基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法，其特征在于，所述截取前沿的固定長度信號，采用卷積神經(jīng)網(wǎng)絡(luò)進行空間映射獲得特征向量，具體包括子步驟：

5.根據(jù)權(quán)利要求4所述的基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法，其特征在于，所述以特征向量之間的余弦相似度作為代價函數(shù)，來判斷兩個電磁信號是否屬于同一輻射源，具體包括子步驟：

6.一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方裝置，其特征在于，包括：處理器和存儲器，所述存儲器中存儲有計算機程序，當所述計算機程序被所述處理器加載時執(zhí)行如權(quán)利要求1～5任一項所述的方法。

7.一種計算機可讀存儲介質(zhì)，其特征在于，在可讀存儲介質(zhì)中存儲有計算機程序，所述計算機程序被處理器加載時執(zhí)行如權(quán)利要求1～5任一項所述的方法。

8.一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方系統(tǒng)，其特征在于，包括權(quán)利要求6所述的基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方裝置。

技術(shù)總結(jié)
本發(fā)明公開了一種基于改進孿生網(wǎng)絡(luò)的小樣本電磁信號識別方法、裝置、介質(zhì)及系統(tǒng)，屬于智能信號處理領(lǐng)域，包括步驟：對接收的寬帶電磁信號進行快速傅里葉變換并估計電磁信號的中心頻率；以中心頻率為載頻進行數(shù)字下變頻從而獲得IQ信號；截取前沿的固定長度信號，采用卷積神經(jīng)網(wǎng)絡(luò)進行空間映射獲得特征向量；以特征向量之間的余弦相似度作為代價函數(shù)，來判斷兩個電磁信號是否屬于同一輻射源。本發(fā)明不依賴于輻射源所使用的電磁參數(shù)，從而可獲得更加魯棒的小樣本識別結(jié)果。

技術(shù)研發(fā)人員：楊啟倫,代燕,漆小華,陳惠娟,沈路,左園,趙巍,李忠媛,杜文
受保護的技術(shù)使用者：中國電子科技集團公司第二十九研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28