(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211417491.0 (22)申请日 2022.11.14 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 吴子龙　毕大平　潘继飞　黄翔璇　 杜蒙　 (74)专利代理 机构 中国和平利用军工技 术协会 专利中心 1 1215 专利代理师 刘光德 (51)Int.Cl. G06K 9/62(2022.01) G01S 7/02(2006.01) (54)发明名称 一种雷达辐射源识别方法与系统 (57)摘要 本发明提出一种雷达辐射源识别方法与系 统， 涉及雷达辐射源识别技术领域。 本发明利用 仿真的雷达辐射源数据构造大量的训练任务， 利 用截获的真实雷达辐射源数据构造测试任务， 每 个任务均包含支持集和查询集； 然后利用大量的 训练任务训练改进的关系网络； 最后将测试任务 输入已训练的改进关系网络， 网络输出待识别雷 达辐射源的类别。 权利要求书4页 说明书18页 附图4页 CN 115470873 A 2022.12.13 CN 115470873 A 1.一种雷达辐射源识别方法， 其特 征在于， 所述方法包括： 步骤S1、 获取仿真雷达辐射源数据和真实雷达辐射源数据， 分别对所述仿真雷达辐射 源数据和所述真实雷达辐射源数据进行双三次插值处 理； 步骤S2、 从经所述双三次插值处理的仿真雷达辐射源数据中构建T个训练任务， 以及从 经所述双三次插值处 理的真实雷达辐射源数据中构建1个测试任务； 步骤S3、 利用所述T个训练任务对用于识别雷达辐射源的改进关系网络进行训练， 对每 个训练任务均执 行： 步骤S3‑1、 提取所述训练任务包含的支持集和查询集中的各个雷达辐射源样本数据的 深层次特 征； 步骤S3‑2、 基于所述支持集包含的N ×K个深层次特征确定所述支 持集的N个类别特征， 将所述N个类别特征中的每一个类别特征分别与所述查询集包含的N ×Q个深层次特征进 行 拼接， 得到N ×N×Q个拼接特 征； 步骤S3‑3、 对于所述查询集包含的每一个深层次特征， 基于包含该深层次特征的N个拼 接特征确定该深层次特征的所属类别， 直到将所述查询集包含的N ×Q个深层次特征全部归 类至N个雷达辐射源类别中； 步骤S4、 利用经训练的改进关系网络执行所述测试任务， 以识别出所述真实雷达辐射 源数据中包 含的N类雷达辐射源。 2.根据权利要求1所述的一种雷达辐射源识别方法， 其特 征在于， 在所述 步骤S1中： 所述仿真雷达辐射源数据以集合 来表示， 包含M类雷达辐射源S1, S2,…,SM， 以及对应的标签L1,L2,…,LM， 每类雷达辐射源 包含 个样本信号； 所述真实雷达辐射源数据以集合 来表示， 包含N类雷达辐射源R1, R2,…,RN， 以及对应的标签Y1,Y2,…,YN， 每类雷达辐射源 包含K+Q个样本信号； 集合 和集合 中的任一个样本信号以 来 表示， 则样本信号 的魏格纳 ‑威利分布 矩阵 表示为： 其中， 为样本信号的时间轴坐标， 为魏格纳 ‑威利分布的时域信息， 为魏格纳 ‑威利 分布的频域信息； 所述双三次插值处 理具体包括： 所述魏格纳 ‑威利分布矩阵 经所述双三次插值处理后表示为 ， 根据 和 的尺寸求解缩放因子 ， 代表矩阵尺寸； 双三次插值 函数 为：权　利　要　求　书 1/4 页 2 CN 115470873 A 2其中， 代表自变量， ； 取 矩阵的每一个元素 ， 表示元素在 矩阵中的位置， 求位置 在 中的位置 ， 其中， ； 取 中距离位置 最近的16个元素 ， 表示元素 在 中的位置； 根据公式 求 ； 完成 中各个元素基于双三次插值的求解后， 对得到的 矩阵进行归一化处理， 获取魏格纳 ‑威利分布方阵 ； 按照上述步骤确定集合 和集合 中的所有样 本信号各自的魏格纳 ‑威利分布方阵 ， 作为雷达辐射源样本数据。 3.根据权利要求2所述的一种雷达辐射源识别方法， 其特 征在于， 在所述 步骤S2中： 从经所述双三次插值处理的仿真雷达辐射源数据中构建所述T个训练任务 ， 具体包括： 从经所述双三次插值处理的仿真雷达辐射源数据包含的M类 雷达辐射源中随机选择N类雷达辐射源； 从随机选择的N类雷达辐射源的每一类中选取 个 样本数据作为支持集、 个样本数据作为查询集； 完成一个训练任务的构建， 并记录为 ， 直到完成T个训练任务的构建； 从经所述双三次插值处理的真实雷达辐射源数据中构建所述1个测试任务 ， 具 体包括： 从经所述双三次插值处理的真实雷达辐 射源数据的N类雷达辐 射源的每一类中随 机选取K个带已知雷达辐射源标签的样本数据作为支持集， 同时 随机选取Q个待识别雷达辐 射源的样本数据作为 查询集。 4.根据权利要求3所述的一种雷达辐射源识别方法， 其特征在于， 所述步骤S3 ‑1具体包 括： 将所述训练任务中包含的支持集和查询集中的各个雷达辐射源样本数据依次送入第 一卷积层、 批次正则化层、 以ReLu为激活函数的激活层以及B个第一卷积块， 来提取所述深 层次特征； 其中， 所述第一卷积层的卷积核 的个数为64， 卷积核的大小为3， 卷积运算在矩阵边缘 处补零； 其中， 所述第一卷积块以所述以ReLu为激活函数的激活层的输出为输入， 在所述第一权　利　要　求　书 2/4 页 3 CN 115470873 A 3