CN109343005A - 自主智能决策的辐射源自动识别系统 - Google Patents
自主智能决策的辐射源自动识别系统 Download PDFInfo
- Publication number
- CN109343005A CN109343005A CN201811091580.4A CN201811091580A CN109343005A CN 109343005 A CN109343005 A CN 109343005A CN 201811091580 A CN201811091580 A CN 201811091580A CN 109343005 A CN109343005 A CN 109343005A
- Authority
- CN
- China
- Prior art keywords
- module
- radiation source
- information
- intrapulse
- data information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明公开了一种自主智能决策的辐射源自动识别系统,包括:数据库存储模块,其包括:数据信息模块;脉内特征信息模块,其用于提取辐射源特征信息内的脉内特征信息,并建立编号的同级比对体系;辐射源自主识别平台,其包括:处理器;辐射源接收模块,其接收并获取辐射源信号,分析辐射源信号的特征信息传输至处理器;脉内特征获取模块,其分别连接到辐射源接收模块和数据信息模块,脉内特征获取模块用于提取经辐射源接收模块内辐射源信号的脉内特征信息,并与数据信息模块内已知的脉内特征信息进行对比,以识别辐射源信号,并确定辐射源型号;本发明通过获取唯一脉内特征信息的方式建立对比分析连接关系,以达到自主准确识别辐射源的目的。
Description
技术领域
本发明涉及辐射源识别技术领域,尤其涉及一种自主智能决策的辐射源自动识别系统。
背景技术
目前,雷达信号密度的不断增大,各种电子防护措施,新干扰技术的应用及新雷达信号调制形式给雷达辐射源识别带来很大的困难。由于雷达使用日益广泛,依赖度也越来越高,在现代复杂电磁环境中,传统脉冲描述字的描述方式已不能很好地描述复杂体制雷达信号,为了能够更快、更准确地对雷达辐射源信号进行特征分析和识别,研究人员对雷达信号的描述方式进行了大量的研究,深入分析现阶段雷达辐射源识别技术面临的主要挑战,传统的辐射源识别技术已经表现出了不适应性,故对复杂体制的辐射源信号准确地、快速地识别已是刻不容缓、急待解决的技术难题之一。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种自主智能决策的辐射源自动识别系统,通过获取唯一脉内特征信息的方式建立对比分析连接关系,以达到自主准确识别辐射源的目的。
为了实现根据本发明的这些目的和其它优点,提供了一种自主智能决策的辐射源自动识别系统,包括:
数据库存储模块,其包括:
数据信息模块,其采集并存储辐射源特征信息。以及
脉内特征信息模块,其用于提取所述辐射源特征信息内的脉内特征信息,对每种所述脉内特征信息进行编号,并建立编号的同级比对体系。
辐射源自主识别平台,其包括:
处理器,其连接到所述数据信息模块。
辐射源接收模块,其连接到所述处理器,所述辐射源接收模块接收并主动获取辐射源信号,并分析所述辐射源信号的特征信息传输至所述处理器。以及
脉内特征获取模块,其分别连接到所述辐射源接收模块和所述数据信息模块,所述脉内特征获取模块用于提取经所述辐射源接收模块内所述辐射源信号的脉内特征信息,并与所述数据信息模块内已知的所述脉内特征信息进行对比,以识别所述辐射源信号,并确定所述辐射源型号。
优选的是,所述数据库存储模块内还包括神经网络分类模块,其连接到所述数据信息模块,所述神经网络分类模块用于根据已存储的所述辐射源特征信息,通过分析非线性模式数据的方式对所述数据信息模块内的所述辐射源特征信息进行分类。
优选的是,还包括专家识别模块,其连接到所述脉内特征获取模块和数据信息模块,所述专家识别模块用于识别所述脉内特征获取模块无法识别的所述辐射源信号,并将识别的结果传输至所述数据信息模块。
优选的是,还包括多通道数据融合模块,其连接到所述辐射源接收模块和专家识别模块,所述多通道数据融合模块将多个所述辐射源接收模块接收的所述辐射源信号转换为数据信息,并对所述数据信息融合进行分析处理,并将分析处理的结果传输至所述专家识别模块。
优选的是,还包括自适应处理模块,其连接到所述辐射源接收模块,所述自适应处理模块用于感知电磁环境态势,并调整所述辐射源接收模块对信号特征的自适应能力。
优选的是,还包括连接到所述专家识别模块的移动终端模块,所述移动终端模块用于接收所述专家识别模块发送的信息,并将所述信息转换为文字或语音。
优选的是,还包括警报响应模块,其连接到所述脉内特征获取模块和移动终端模块,当所述脉内特征获取模块无法识别的所述辐射源信号大于3个,所述警报响应模块向所述移动终端模块发送警报信息。
本发明至少包括以下有益效果:
本发明通过建立数据信息模块,将已知的辐射源特征信息采集存储,便于辐射源信号识别中与已存储的辐射源特征信息进行比对,以确定获取的辐射源信号;通过所述脉内特征信息模块提取已存储的辐射源内的脉内特征信息,并根据提取的脉内特征信息给予编号,并将编号建立同级比对体系,使得一个脉内特征信息可同时与多个脉内特征信息进行比对,以提高比对的速度,从而达到准确快速确定获取的辐射源的信号的目的。
通过建立辐射源自主识别平台建立与数据库存储模块的联系,由所述辐射源接收模块主动获取并接收辐射源信号,并分析所述辐射源信号的特征信息传输至处理器,以存储至数据信息模块;便于辐射源信号的识别;通过所述脉内特征获取模块分析处理以提取获取的辐射源信号的脉内特征信息,利用每个辐射源信号的脉内特征信息的唯一性,对比数据信息模块内已存的脉内特征信息进行比对,以快速准确的确定辐射源的个体信号和辐射源型号。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述自主智能决策的辐射源自动识别系统的结构框图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
如图1所示,本发明提供一种自主智能决策的辐射源自动识别系统,包括:
数据库存储模块,其包括:
数据信息模块,其采集并存储辐射源特征信息。以及
脉内特征信息模块,其用于提取所述辐射源特征信息内的脉内特征信息,对每种所述脉内特征信息进行编号,并建立编号的同级比对体系。
辐射源自主识别平台,其包括:
处理器,其连接到所述数据信息模块。
辐射源接收模块,其连接到所述处理器,所述辐射源接收模块接收并主动获取辐射源信号,并分析所述辐射源信号的特征信息传输至所述处理器。以及
脉内特征获取模块,其分别连接到所述辐射源接收模块和所述数据信息模块,所述脉内特征获取模块用于提取经所述辐射源接收模块内所述辐射源信号的脉内特征信息,并与所述数据信息模块内已知的所述脉内特征信息进行对比,以识别所述辐射源信号,并确定所述辐射源型号。
在上述方案中,通过建立数据信息模块,将已知的辐射源特征信息采集存储,便于辐射源信号识别中与已存储的辐射源特征信息进行比对,以确定获取的辐射源信号;通过所述脉内特征信息模块提取已存储的辐射源内的脉内特征信息,并根据提取的脉内特征信息给予编号,并将编号建立同级比对体系,使得一个脉内特征信息可同时与多个脉内特征信息进行比对,以提高比对的速度,从而达到准确快速确定获取的辐射源的信号的目的。
通过建立辐射源自主识别平台建立与数据库存储模块的联系,由所述辐射源接收模块主动获取并接收辐射源信号,并分析所述辐射源信号的特征信息传输至处理器,以存储至数据信息模块;便于辐射源信号的识别;通过所述脉内特征获取模块分析处理以提取获取的辐射源信号的脉内特征信息,利用每个辐射源信号的脉内特征信息的唯一性,对比数据信息模块内已存的脉内特征信息进行比对,以快速准确的确定辐射源的个体信号和辐射源型号。
一个优选方案中,所述数据库存储模块内还包括神经网络分类模块,其连接到所述数据信息模块,所述神经网络分类模块用于根据已存储的所述辐射源特征信息,通过分析非线性模式数据的方式对所述数据信息模块内的所述辐射源特征信息进行分类。
在上述方案中,通过利用所述神经网络分类模块的分析非线性模式数据、同时处理多数据的能力,对已存储在所述数据信息模块内的所述辐射特征信息进行处理分析,并在相对较短的时间内得到数据处理分析的结果,以对存储的所述辐射源进行分类,以便提高后期的辐射源识别速度和准确性。
一个优选方案中,还包括专家识别模块,其连接到所述脉内特征获取模块和数据信息模块,所述专家识别模块用于识别所述脉内特征获取模块无法识别的所述辐射源信号,并将识别的结果传输至所述数据信息模块。
在上述方案中,通过建立所述专家识别模块,将辐射源识别领域的专家汇聚在辐射源自主识别平台,在所述脉内特征获取模块无法识别获取的所述辐射源信号时,将获取的所述辐射源信号发送至所述专家识别模块,由一个或者多个在线专家对辐射源信号进行进一步的识别,以确定辐射源个体信号和型号。
一个优选方案中,还包括多通道数据融合模块,其连接到所述辐射源接收模块和专家识别模块,所述多通道数据融合模块将多个所述辐射源接收模块接收的所述辐射源信号转换为数据信息,并对所述数据信息融合进行分析处理,并将分析处理的结果传输至所述专家识别模块。
在上述方案中,通过所述多通道数据融合模块对多个所述辐射源模块获取的辐射源信号转换为数据信息,并与分析处理,将所述数据信息进行融合汇总,并进行分析处理,传输至所述专家识别模块,便于所述专家识别模块参考,以便更为准确快速的确定辐射源信号。
一个优选方案中,还包括自适应处理模块,其连接到所述辐射源接收模块,所述自适应处理模块用于感知电磁环境态势,并调整所述辐射源接收模块对信号特征的自适应能力。
在上述方案中,通过所述自适应处理模块感知电磁环境态势,提高所述辐射源接收模块接收并主动获取辐射源信号的能力,并通过改善辐射源接收模块对信号特征的自适应能力,提高所述辐射源接收模块对未知辐射源信号获取的灵敏度。
一个优选方案中,还包括连接到所述专家识别模块的移动终端模块,所述移动终端模块用于接收所述专家识别模块发送的信息,并将所述信息转换为文字或语音。
在上述方案中,通过所述移动终端模块建立所述专家识别模块与专家的直接连接关系,便于在最短的时间内通知专家在线处理辐射源信号问题,并通过将辐射源相关问题直接转换为文字或语音的方式,便于专家通过移动终端直观获知问题相关内容,以提高整个辐射源信号识别的效率。
一个优选方案中,还包括警报响应模块,其连接到所述脉内特征获取模块和移动终端模块,当所述脉内特征获取模块无法识别的所述辐射源信号大于3个,所述警报响应模块向所述移动终端模块发送警报信息。
在上述方案中,当所述脉内特征获取模块无法识别的辐射源信号超过3个,需提高对辐射源信号识别问题的警惕性,通过警报响应模块向所述移动终端模块发送警报信息,告知专家问题的严重性,以提高问题的重视程度,加快问题处理的速度。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.一种自主智能决策的辐射源自动识别系统,其中,包括:
数据库存储模块,其包括:
数据信息模块,其采集并存储辐射源特征信息;以及
脉内特征信息模块,其用于提取所述辐射源特征信息内的脉内特征信息,对每种所述脉内特征信息进行编号,并建立编号的同级比对体系;
辐射源自主识别平台,其包括:
处理器,其连接到所述数据信息模块;
辐射源接收模块,其连接到所述处理器,所述辐射源接收模块接收并主动获取辐射源信号,并分析所述辐射源信号的特征信息传输至所述处理器;以及
脉内特征获取模块,其分别连接到所述辐射源接收模块和所述数据信息模块,所述脉内特征获取模块用于提取经所述辐射源接收模块内所述辐射源信号的脉内特征信息,并与所述数据信息模块内已知的所述脉内特征信息进行对比,以识别所述辐射源信号,并确定所述辐射源型号。
2.如权利要求1所述的自主智能决策的辐射源自动识别系统,其中,所述数据库存储模块内还包括神经网络分类模块,其连接到所述数据信息模块,所述神经网络分类模块用于根据已存储的所述辐射源特征信息,通过分析非线性模式数据的方式对所述数据信息模块内的所述辐射源特征信息进行分类。
3.如权利要求1所述的自主智能决策的辐射源自动识别系统,其中,还包括专家识别模块,其连接到所述脉内特征获取模块和数据信息模块,所述专家识别模块用于识别所述脉内特征获取模块无法识别的所述辐射源信号,并将识别的结果传输至所述数据信息模块。
4.如权利要求3所述的自主智能决策的辐射源自动识别系统,其中,还包括多通道数据融合模块,其连接到所述辐射源接收模块和专家识别模块,所述多通道数据融合模块将多个所述辐射源接收模块接收的所述辐射源信号转换为数据信息,并对所述数据信息融合进行分析处理,并将分析处理的结果传输至所述专家识别模块。
5.如权利要求1所述的自主智能决策的辐射源自动识别系统,其中,还包括自适应处理模块,其连接到所述辐射源接收模块,所述自适应处理模块用于感知电磁环境态势,并调整所述辐射源接收模块对信号特征的自适应能力。
6.如权利要求3所述的自主智能决策的辐射源自动识别系统,其中,还包括连接到所述专家识别模块的移动终端模块,所述移动终端模块用于接收所述专家识别模块发送的信息,并将所述信息转换为文字或语音。
7.如权利要求6所述的自主智能决策的辐射源自动识别系统,其中,还包括警报响应模块,其连接到所述脉内特征获取模块和移动终端模块,当所述脉内特征获取模块无法识别的所述辐射源信号大于3个,所述警报响应模块向所述移动终端模块发送警报信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091580.4A CN109343005A (zh) | 2018-09-19 | 2018-09-19 | 自主智能决策的辐射源自动识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091580.4A CN109343005A (zh) | 2018-09-19 | 2018-09-19 | 自主智能决策的辐射源自动识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109343005A true CN109343005A (zh) | 2019-02-15 |
Family
ID=65306111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811091580.4A Pending CN109343005A (zh) | 2018-09-19 | 2018-09-19 | 自主智能决策的辐射源自动识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109343005A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244271A (zh) * | 2019-05-17 | 2019-09-17 | 中国人民解放军战略支援部队信息工程大学 | 基于多重同步压缩变换的雷达辐射源分选识别方法及装置 |
CN110988803A (zh) * | 2019-11-11 | 2020-04-10 | 浙江大学 | 一种高置信度动态调整的雷达辐射源个体识别系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060290523A1 (en) * | 2004-01-28 | 2006-12-28 | Antanouski Aliaksandr A | System and device for object detection and identification using gamma, x-ray and/or neutron radiation |
US20160033622A1 (en) * | 2012-09-11 | 2016-02-04 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Method and apparatus for cognitive nonlinear radar |
CN106093873A (zh) * | 2016-06-04 | 2016-11-09 | 陈昌孝 | 一种基于多传感器的雷达辐射源信号识别方法 |
CN107423754A (zh) * | 2017-06-28 | 2017-12-01 | 山东航天电子技术研究所 | 一种基于参数多属性自主智能决策的辐射源自动识别系统 |
CN107480689A (zh) * | 2017-06-28 | 2017-12-15 | 山东航天电子技术研究所 | 一种基于相似性专家知识的未知辐射源体制自动识别方法 |
-
2018
- 2018-09-19 CN CN201811091580.4A patent/CN109343005A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060290523A1 (en) * | 2004-01-28 | 2006-12-28 | Antanouski Aliaksandr A | System and device for object detection and identification using gamma, x-ray and/or neutron radiation |
US20160033622A1 (en) * | 2012-09-11 | 2016-02-04 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Method and apparatus for cognitive nonlinear radar |
CN106093873A (zh) * | 2016-06-04 | 2016-11-09 | 陈昌孝 | 一种基于多传感器的雷达辐射源信号识别方法 |
CN107423754A (zh) * | 2017-06-28 | 2017-12-01 | 山东航天电子技术研究所 | 一种基于参数多属性自主智能决策的辐射源自动识别系统 |
CN107480689A (zh) * | 2017-06-28 | 2017-12-15 | 山东航天电子技术研究所 | 一种基于相似性专家知识的未知辐射源体制自动识别方法 |
Non-Patent Citations (3)
Title |
---|
刘飞: "一种雷达辐射源信号识别的工程实现方法", 《空军预警学院学报》 * |
张远鹏: "基于多平台侦察信息的综合目标识别技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
牛海 等: "小波-神经网络在辐射源识别中的应用研究", 《系统工程与电子技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244271A (zh) * | 2019-05-17 | 2019-09-17 | 中国人民解放军战略支援部队信息工程大学 | 基于多重同步压缩变换的雷达辐射源分选识别方法及装置 |
CN110244271B (zh) * | 2019-05-17 | 2022-06-10 | 中国人民解放军战略支援部队信息工程大学 | 基于多重同步压缩变换的雷达辐射源分选识别方法及装置 |
CN110988803A (zh) * | 2019-11-11 | 2020-04-10 | 浙江大学 | 一种高置信度动态调整的雷达辐射源个体识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106093873B (zh) | 一种基于多传感器的雷达辐射源信号识别方法 | |
CN108280395B (zh) | 一种对低小慢无人机飞控信号的高效识别方法 | |
CN111428631B (zh) | 无人机飞控信号可视化识别分选方法 | |
KR102129698B1 (ko) | 자동 어류 계수 시스템 | |
CN109544862A (zh) | 基于智能家居的行为识别方法、装置、存储介质及设备 | |
CN116027324B (zh) | 基于毫米波雷达的跌倒检测方法、装置及毫米波雷达设备 | |
CN104880160B (zh) | 一种工件表面轮廓的二维激光实时探测方法 | |
CN109343005A (zh) | 自主智能决策的辐射源自动识别系统 | |
CN108470155A (zh) | 一种雷达辐射源个体识别的大规模流式数据处理方法 | |
CN106650605A (zh) | 一种基于机器学习的Morse信号自动检测译码方法 | |
CN109857784A (zh) | 一种大数据统计分析系统 | |
CN112528774B (zh) | 一种复杂电磁环境下未知雷达信号智能分选系统及方法 | |
CN104091178A (zh) | 基于hog特征人体感知分类器的训练方法 | |
CN111981910A (zh) | 一种基于人工智能的低空防御系统 | |
CN103336971A (zh) | 基于多特征融合与增量学习的多摄像机间的目标匹配方法 | |
CN106491322A (zh) | 基于OpenCV图像识别的盲人拐杖控制系统及方法 | |
CN113128584B (zh) | 一种多功能雷达脉冲序列的模式级无监督分选方法 | |
CN113900101A (zh) | 障碍物检测方法、装置及电子设备 | |
CN103076595B (zh) | 一种多元离散雷达辐射源信号的异常类型识别方法 | |
CN110940959B (zh) | 一种用于低分辨雷达地面目标的人车分类识别方法 | |
CN116484206A (zh) | 基于seim的未知辐射源个体识别方法及系统 | |
CN109885092B (zh) | 一种无人机飞控数据的识别方法 | |
CN116520315A (zh) | 一种目标识别系统、目标识别方法以及目标识别装置 | |
US11954955B2 (en) | Method and system for collecting and monitoring vehicle status information | |
CN110880012B (zh) | 多侦察平台脉间捷变雷达辐射源频率信息关联方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190215 |