CN112131447B - 一种雷达信号侦测数据样本标注方法 - Google Patents

一种雷达信号侦测数据样本标注方法 Download PDF

Info

Publication number
CN112131447B
CN112131447B CN202011048313.6A CN202011048313A CN112131447B CN 112131447 B CN112131447 B CN 112131447B CN 202011048313 A CN202011048313 A CN 202011048313A CN 112131447 B CN112131447 B CN 112131447B
Authority
CN
China
Prior art keywords
detection data
data
original detection
standard sample
file
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.)
Active
Application number
CN202011048313.6A
Other languages
English (en)
Other versions
CN112131447A (zh
Inventor
臧勤
洪鼎
杨楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
724th Research Institute of CSIC
Original Assignee
724th Research Institute of CSIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 724th Research Institute of CSIC filed Critical 724th Research Institute of CSIC
Priority to CN202011048313.6A priority Critical patent/CN112131447B/zh
Publication of CN112131447A publication Critical patent/CN112131447A/zh
Application granted granted Critical
Publication of CN112131447B publication Critical patent/CN112131447B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/103—Formatting, i.e. changing of presentation of documents
    • G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种雷达信号侦测数据样本标注方法，主要针对现有样本标注方法主要通过人工标注对雷达数据进行逐一分析提取的方式，该方式对标注人员素质要求较高，工作量大，工作效率低的问题。包括如下步骤：通过可视化软件提取有效数据进行标注，并存储为标准样本文件；以该标准文件为模板，遍历采集原始数据文件，自动生成新样本文件。本发明方法的优点是：雷达信号侦测数据分析经验较丰富的人员可以集中精力放在对首次出现的数据进行人工标注；类似目标数据的挑选可采用相似度计算方法进行匹配，虽然计算较耗时，但可以由计算机自动实现，不需要耗费额外人力，就可以提取大量数据样本。

Description

一种雷达信号侦测数据样本标注方法
技术领域
本发明涉及无源侦测的数据处理领域。
背景技术
随着雷达技术的飞速发展，雷达信号波形调制特性不断改进提升，传统雷达信号侦测识别方法主要采用辐射源数据库模板匹配的方式，对于越来越多的新体制雷达，这些方法识别率低，正确率不高，已经难以满足技术要求。而人工智能技术的发展，给雷达识别技术提供了一个新的处理手段，采用深度学习网络对数据特征参数值进行训练，实现对雷达信号的识别。
在深度学习的训练过程中，需要大量预先标注好的数据样本作为训练集。现有的样本标注方法主要针对图片、影像或简单的数据文本，未找到针对雷达信号侦测数据的样本标注方法。雷达信号侦测数据样本提取的困难主要体现在：由于复杂电磁环境影响，侦测手段的限制，获取的原始数据干扰信息较多，有效数据少；数据具有时序关系，参数之间存在关联，参数特征变化复杂多样，且无法简单区分，需要对各种雷达信号数据特征具有极其丰富的分析经验的专业人员进行样本提取。然而采集原始数据的数据量巨大，雷达信号特征几乎被淹没于干扰及噪声之中，标注效率极低，有效标注样本少，严重影响深度学习的效果。
发明内容
为解决上述雷达信号侦测数据样本标注方法效率低和样本获取困难的问题，本发明提出了一种雷达信号侦测数据样本标注方法。
本发明是通过以下技术方案实现的：
(1)：人工分析原始侦测数据文件：通过可视化方法，对原始侦测数据的参数进行同步显示，所述参数包括频率、脉宽、幅度、时间、方位；在此基础上对原始侦测数据进行挑选，辅助人工发现原始侦测数据序列之间的关联关系；
(2)：选择标准样本文件：通过上述方式选择出具有完整信号特征的原始侦测数据序列作为标准样本文件，对文件进行标注并存入数据标准样本文件管理平台，存入过程中建立索引，便于标准样本文件的管理；
(3)：读取原始侦测数据和标准样本文件，遍历原始侦测数据序列，不断进行序列平移和相似度匹配，分别计算不同平移状态的相似度值，并自动标注选择容差范围内的侦测数据集，自动生成新的标准样本文件。
进一步的，所述步骤3中计算相似度并提取标准样本信息及自动标注的方法为：
(1)：读取原始侦测数据；
(2)：对原始侦测数据先进行预处理，预处理包括通道合并、脉宽拼接、干扰抑制，为标准样本提取提供较稳定的数据质量；
(3)：对原始侦测数据进行简单聚类，使提高相似度匹配速度；
(4)：读取聚类后的原始侦测数据，与标准样本的数据集进行相似度匹配，匹配算法采用向量内积度量方法，依次计算相似度值S；
(5)：提前设置容差范围T，S＞T时，把原始侦测数据挑选出来存为标准样本文件。
本发明引进了自动标注方法，通过标准模板进行相似度匹配，减少人力成本，提高样本提取效率和准确性。
附图说明
图1本发明实施例的雷达信号侦测数据样本的标注方法；
图2原始侦测数据序列多次平移并计算相似度效果图；
图3标准样本文件的时域图(左图)和相似度为0.678的侦测数据集的时域图(右图)。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行进一步的详细阐述。
如图1所示，本实例提供一种雷达信号侦测数据样本的标注方法，包括：
步骤1：选择某电磁环境下采集到数据，进行人工分析。人工分析的基础是，通过可视化界面，对原始侦测数据的主要参数：频率、脉宽、幅度、时间、方位等进行同步显示，在该界面可对原始侦测数据进行挑选，并对挑选的时间差进行重复计算和绘制，辅助人工发现原始侦测数据序列之间的关联关系；
步骤2：选择样本数据作为标准样本文件。对雷达数据信号特征较熟悉的专业人员，通过上述方式选择出较完整的数据序列作为标准样本文件，对其进行标注。存入数据标准样本文件管理平台，存入过程中建立索引，便于标准样本文件的自动读取和管理。
步骤3：读取原始侦测数据和标准样本文件，遍历原始侦测数据序列进行相似度匹配，采用一种计算相似度并提取样本信息的自动标注方法，自动选择容差范围内的数据序列，并自动生成新的样本数据文件。
所述步骤3提及的自动标注方法主要包括如下步骤：
步骤3-1：首先读取采集的原始侦测数据文件，采集的原始侦测数据和标准样本文件已提前存储于文件管理平台，并根据不同场景对原始侦测数据进行分类管理。
步骤3-2：对采集数据先进行预处理，预处理内容包括：通道合并、脉宽拼接、干扰抑制等工作，为标准样本提取提供较稳定的数据质量。
步骤3-3：对采集数据进行简单聚类，由于电磁环境复杂，存在多目标交叠情况，对其进行简单聚类，提高相似度匹配速度。
步骤3-4：读取聚类后数据，与标准样本的数据集进行相似度匹配，匹配算法采用向量内积度量方法，依次计算相似度值Si(i＝0～n)，相似度计算情况如图2和图3所示。
图2为原始侦测数据文件平移不同次数时的相似度值，方框框选为平移次数52228次时,相似度为0.678的数据集。对该数据集进行时域图显示，如图3右侧所示，为原始侦测数据文件平移次数52228次时,相似度为0.678的数据集的时域特征图。左侧为标准样本文件数据集的时域特征图。
步骤3-5：提前设置容差范围T，Si＞T时，把数据挑选出来存为新的样本文件。

Claims (1)

1.一种雷达信号侦测数据样本标注方法，其特征在于：
(1)：人工分析原始侦测数据文件：通过可视化方法，对原始侦测数据的参数进行同步显示，所述参数包括频率、脉宽、幅度、时间、方位；在此基础上对原始侦测数据进行挑选，辅助人工发现原始侦测数据序列之间的关联关系；
(2)：选择标准样本文件：通过上述方式选择出可以提取信号特征的原始侦测数据序列作为标准样本文件，对文件进行标注并存入数据标准样本文件管理平台，存入过程中建立索引，便于标准样本文件的管理；
(3)：读取原始侦测数据和标准样本文件，遍历原始侦测数据序列进行相似度匹配，计算相似度并提取标准样本信息进行自动标注，选择容差范围内的侦测数据序列，并自动生成标准样本文件；所述自动标注过程如下：
(3.1)：读取原始侦测数据；
(3.2)：对原始侦测数据先进行预处理，预处理包括通道合并、脉宽拼接、干扰抑制，为标准样本文件提取提供较稳定的数据质量；
(3.3)：对原始侦测数据进行简单聚类；
(3.4)：读取聚类后的原始侦测数据，与标准样本文件的数据集进行相似度匹配，匹配算法采用向量内积度量方法，依次计算相似度值S；
(3.5)：提前设置容差范围T，S＞T时，把原始侦测数据挑选出来存为标准样本文件。
CN202011048313.6A 2020-09-29 2020-09-29 一种雷达信号侦测数据样本标注方法 Active CN112131447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011048313.6A CN112131447B (zh) 2020-09-29 2020-09-29 一种雷达信号侦测数据样本标注方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011048313.6A CN112131447B (zh) 2020-09-29 2020-09-29 一种雷达信号侦测数据样本标注方法

Publications (2)

Publication Number Publication Date
CN112131447A CN112131447A (zh) 2020-12-25
CN112131447B true CN112131447B (zh) 2023-02-17

Family

ID=73844629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011048313.6A Active CN112131447B (zh) 2020-09-29 2020-09-29 一种雷达信号侦测数据样本标注方法

Country Status (1)

Country Link
CN (1) CN112131447B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906817A (zh) * 2021-03-16 2021-06-04 中科海拓(无锡)科技有限公司 一种智能图像标注方法
CN113420705B (zh) * 2021-07-02 2023-04-07 中国船舶重工集团公司第七二四研究所 一种基于双向嵌入特征的半监督信号分析方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6718517B1 (en) * 1999-12-28 2004-04-06 Roxio, Inc. Methods of and computer readable media for automatically setting up page files for labels for compact disc media
DE10315581B4 (de) * 2003-04-05 2007-06-28 Agilent Technologies, Inc. (n.d.Ges.d.Staates Delaware), Palo Alto Verfahren zur Qualitätsbestimmung von RNA-Proben
CN106772261B (zh) * 2016-12-07 2019-11-12 中国船舶重工集团公司第七二四研究所 雷达侦测信号多维特征聚类可视化显示方法
CN110880012B (zh) * 2019-09-29 2023-09-05 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) 多侦察平台脉间捷变雷达辐射源频率信息关联方法
CN111353379B (zh) * 2020-01-06 2023-04-07 西南电子技术研究所（中国电子科技集团公司第十研究所） 基于权重聚类的信号测量特征匹配标注方法

Also Published As

Publication number Publication date
CN112131447A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
CN106557774B (zh) 多通道核相关滤波的实时跟踪方法
CN112131447B (zh) 一种雷达信号侦测数据样本标注方法
CN106462746A (zh) 分析数字全息显微术数据以用于血液学应用
EP3734496A1 (en) Image analysis method and apparatus, and electronic device and readable storage medium
CN107609564B (zh) 基于联合分割和傅里叶描述子库的水下目标图像识别方法
CN108805102A (zh) 一种基于深度学习的视频字幕检测与识别方法及系统
CN111428631A (zh) 无人机飞控信号可视化识别分选方法
CN109948429A (zh) 图像分析方法、装置、电子设备及计算机可读介质
CN114863189B (zh) 一种基于大数据的图像智能识别方法
CN114998815B (zh) 一种基于视频分析的交通车辆识别追踪方法及系统
CN112528774A (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
KR102084683B1 (ko) 인공신경망을 이용한 세포 영상 분석 방법 및 세포 영상 처리 장치
Gawade et al. Early-stage apple leaf disease prediction using deep learning
Luo et al. Boundary-aware and semiautomatic segmentation of 3-D object in point clouds
CN105404682B (zh) 一种基于数字图像内容的图书检索方法
WO2022061922A1 (zh) 材料微结构的分析方法和装置
CN111898528B (zh) 数据处理方法、装置、计算机可读介质及电子设备
CN117557859A (zh) 基于目标追踪的超声影像目标多角度融合分析系统及方法
CN112560925A (zh) 一种复杂场景目标检测数据集构建方法及系统
CN116935411A (zh) 一种基于字符分解和重构的部首级古文字识别方法
CN109271902B (zh) 复杂背景下基于时域经验模态分解的红外弱小目标检测方法
CN109117841A (zh) 基于笔画宽度变换与卷积神经网络的场景文本检测方法
CN115984639A (zh) 一种零件疲劳状态智能检测方法
Wang et al. Fault detection using color blending and color transformations
CN114662594A (zh) 一种目标特征识别分析系统

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
GR01 Patent grant
GR01 Patent grant