CN113640750B - 基于图像的雷达信号波形调制方式识别方法、平台及介质 - Google Patents
基于图像的雷达信号波形调制方式识别方法、平台及介质 Download PDFInfo
- Publication number
- CN113640750B CN113640750B CN202110928512.4A CN202110928512A CN113640750B CN 113640750 B CN113640750 B CN 113640750B CN 202110928512 A CN202110928512 A CN 202110928512A CN 113640750 B CN113640750 B CN 113640750B
- Authority
- CN
- China
- Prior art keywords
- image
- radar signal
- modulation mode
- identified
- frequency domain
- 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
Links
Images
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
- G01S7/28—Details of pulse systems
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于图像的雷达信号波形调制方式识别方法、平台及介质。本发明的方法包括建立调制方式识别原始数据图像库的步骤S1,减少识别数据量突出雷达信号轮廓的步骤S2,获取待识别雷达信号的时域图和频域图的步骤S3,比对待识别雷达信号时域图的步骤S4,比对待识别雷达信号频域图的步骤S5和确定待识别雷达信号调制方式的步骤S6。本发明跳过了大量数值的直接分析,对雷达调制方式的特点,使用图像专门的处理,提高了识别准确率。
Description
技术领域
本发明属于雷达技术领域。具体地,涉及基于图像的雷达信号波形调制方式识别方法、平台及介质。
背景技术
在现代战争中,电子战尤为重要,而雷达又是电子战中必不可少的侦察设备。雷达是一种探测目标信息的重要工具,通过分析接收到的辐射源信号,达到探测辐射源相关信息的目的。作为电子侦察的极其重要的手段,雷达在探测到目标雷达辐射源信号后,对其进行分析和识别是雷达侦察任务的关键,准确的识别目标辐射源信号才能针对其做出有效的分析。目前,大家对雷达信号辐射源的识别,一般采用特征参数的数值进而来判断。传统的常规特征有载频、脉宽、脉幅、到达时间、到达角等。将这些常规特征与雷达库中已知的雷达信号特征进行匹配,从而识别出辐射源信息。在早期雷达信号波形较为简单、参数较为稳定,以及辐射源的数量相对较少,这种方法是有效果的。随着新型的雷达不断出现,以及雷达技术的快速发展,战场的电磁环境更加复杂。雷达的噪声和干扰也越来越多,对于雷达辐射源信号的分析识别带来了更大的挑战。传统的常规特征分析往往不够准确,计算量巨大,而且过程非常复杂。
发明内容
本发明的目的在于克服现有雷达信号识别技术中计算量大、不准确的缺点,降低识别的复杂度。
为实现上述目的,本发明提供了一种基于图像的雷达信号波形调制方式识别方法,其特征在于,
建立调制方式识别原始数据图像库的步骤S1,在该步骤中,使用接收机获取雷达信号的脉冲,取雷达信号的载频、脉宽和脉幅,进行时频域分析,得到不同调制方式的雷达信号的时域图和频域图,每种调制方式的雷达信号对应有M张时域图和M张频域图;P种调制方式的雷达信号共有P×M张时域图和P×M张频域图,P×M张时域图和P×M张频域图组成调制方式识别原始数据图像库;
减少识别数据量突出雷达信号轮廓的步骤S2,包括将调制方式识别原始数据图像库中的时域图和频域图进行灰度化的步骤S201和对灰度化后的时域图和频域图进行二值化处理的步骤S202;
获取待识别雷达信号的时域图和频域图的步骤S3;
比对待识别雷达信号时域图的步骤S4,将待识别雷达的时域图与调制方式识别原始数据图像库中的所有时域图进行比对,计算出图像像素的差异值,取绝对值后得到距离值;按照距离值递增次序排序,选取距离值最小的P×M×Thd张时域图,统计各种调制方式出现的频率,其中,Thd是计算量控制阈值,0<Thd≤1;
比对待识别雷达信号频域图的步骤S5,将待识别雷达的频域图与调制方式识别原始数据图像库中的所有频域图进行比对,计算出图像像素的差异值,取绝对值后得到距离值;按照距离值递增次序排序,选取距离值最小的P×M×Thd张频域图,统计各种调制方式出现的频率,Thd是计算量控制阈值,0<Thd≤1;
确定待识别雷达信号调制方式的步骤S6,将步骤S4和步骤S5中频率最高的调制方式进行比对,相同,则该调制方式为待识别雷达信号的调制方式,如果不同,则选择频率较高的调制方式作为待识别雷达信号的调制方式。
步骤S201中,灰度化的计算公式为:
其中,R、G、B分别表示像素的红、绿、蓝分量的数值,Gray表示像素的灰度值。
步骤S202中,二值化采用固定阈值方法,设置阈值为250,是将图像的像素点设置为0或者255,对于像素值大于等于250的设置为0,小于250则设置为1,计算公式为:
其中,g(x,y)表示像素点(x,y)的二值化结果,gray(x,y)表示像素点(x,y)的灰度值;其特征在于,P为4,M为100,Thd为0.0225。
本发明还提供了一种基于图像的雷达信号波形调制方式识别平台,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行所述的基于图像的雷达信号波形调制方式识别方法。
本发明还提供了一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现所述的基于图像的雷达信号波形调制方式识别方法。
有益效果
本发明跳过了大量数值的直接分析,对雷达调制方式的特点,使用图像专门的处理,提高了识别准确率。
附图说明
图1为本发明识别方法中时域特征图和频域特征图。
图2为本发明基于图像的雷达信号波形调制方式识别方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细的说明。
从本质上讲,雷达信号波形调制方式的识别问题,就是模式识别与分类的问题。在对雷达信号波形调制方式进行识别与分类之前,需要从雷达信号中提取数值特征,再将数值特征进行识别和分类。基于这种情况,提出一种通过图像分析雷达信号的时域特征以及频域特征来识别的方法。通过时域特征图和频域特征图,跳过了对传统的特征参数数值分析模式,该方法可以直观识别雷达信号波形的调制方式。
本发明对雷达信号的数据进行处理,首先提取雷达信号的载频、脉宽和脉幅三个特征作为原始数据集。然后对雷达信号的脉冲进行时频域分析,得到时域特征图和频域特征图。将得到的时域特征图和频域特征图,然后再将图像进行机器学习分类。
(1)使用接收机获取雷达信号的脉冲进行时频域分析,得到不同调制方式的雷达信号的时域图和频域图,如图1所示。总共分为4组,每组类型的准备时域图100张和频域图100张。
(2)将准备的4组不同类型的雷达信号图像进行灰度化。彩色图片的信息含量过大,本方法的识别中不需要彩色信息,为了简化矩阵,提高运算速度。首先对图像进行灰度化处理,灰度化处理可以将彩色图像转换为灰度图像,即令图像的R、G、B分量相等。由于人眼对于亮度的感知和物理功率不成正比,而是幂函数的关系,所以需要进行Gamma校正,Gamma值通常为2.2。所以灰度化的计算公式为:
(3)将灰度化之后的图像进行二值化处理。二值化是将图像的像素点设置为0或者255,图像二值化可以使数据量大为减少,从而突出目标的轮廓。采用固定阈值方法,设置阈值为250。对于像素值大于等于250的设置为0,小于250则设置为1。计算公式为:
(4)将需要识别的雷达信号时域图与准备好的时域图像分别进行对比。首先将时域图和400张时域图分别进行对比,计算出图像的像素差异值,取绝对值之后累加得到距离值。按照距离值递增次序排序,选取出距离值最小的前9张时域图。再分别对9张时域图进行类别统计,计算各种类型的频率。
(5)将需要识别的雷达信号频域图与准备好的频域图像分别进行对比。首先将频域图和400频域图分别进行对比,计算出图像的像素差异值,取绝对值之后累加得到距离值。按照距离值递增次序排序,选取出距离值最小的前9频域图。再分别对9频域图进行类别统计,计算各种类型的频率。
(6)对两者的统计结果进行结合,选取两者频率最高的进行对比,相同则为该频率所对于的类型调制方式,不同则选择频率高的类型所对应的类型调制方式。
本发明第二实施方式涉及一种基于图像的雷达信号波形调制方式识别平台,包括:
至少一个处理器;以及,
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述基于图像的雷达信号波形调制方式识别方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第三实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为发明的优选实施例而已,并不用以限制本发明,凡在本发明的思想原则内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于图像的雷达信号波形调制方式识别方法,其特征在于,
建立调制方式识别原始数据图像库的步骤S1,在该步骤中,使用接收机获取雷达信号的脉冲,取雷达信号的载频、脉宽和脉幅,进行时频域分析,得到不同调制方式的雷达信号的时域图和频域图,每种调制方式的雷达信号对应有M张时域图和M张频域图;P种调制方式的雷达信号共有P×M张时域图和P×M张频域图,P×M张时域图和P×M张频域图组成调制方式识别原始数据图像库;
减少识别数据量突出雷达信号轮廓的步骤S2,包括将调制方式识别原始数据图像库中的时域图和频域图进行灰度化的步骤S201和对灰度化后的时域图和频域图进行二值化处理的步骤S202;
获取待识别雷达信号的时域图和频域图的步骤S3;
比对待识别雷达信号时域图的步骤S4,将待识别雷达的时域图与调制方式识别原始数据图像库中的所有时域图进行比对,计算出图像像素的差异值,取绝对值后得到距离值;按照距离值递增次序排序,选取距离值最小的P×M×Thd张时域图,统计各种调制方式出现的频率,其中,Thd是计算量控制阈值,0<Thd≤1;
比对待识别雷达信号频域图的步骤S5,将待识别雷达的频域图与调制方式识别原始数据图像库中的所有频域图进行比对,计算出图像像素的差异值,取绝对值后得到距离值;按照距离值递增次序排序,选取距离值最小的P×M×Thd张频域图,统计各种调制方式出现的频率,Thd是计算量控制阈值,0<Thd≤1;
确定待识别雷达信号调制方式的步骤S6,将步骤S4和步骤S5中频率最高的调制方式进行比对,相同,则该调制方式为待识别雷达信号的调制方式,如果不同,则选择频率较高的调制方式作为待识别雷达信号的调制方式;
步骤S201中,灰度化的计算公式为:
其中,R、G、B分别表示像素的红、绿、蓝分量的数值,Gray表示像素的灰度值;步骤S202中,二值化采用固定阈值方法,设置阈值为250,是将图像的像素点设置为0或者255,对于像素值大于等于250的设置为0,小于250则设置为1,计算公式为:
其中,g(x,y)表示像素点(x,y)的二值化结果,gray(x,y)表示像素点(x,y)的灰度值;P为4,M为100,Thd为0.0225。
2.一种基于图像的雷达信号波形调制方式识别平台,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1中所述的基于图像的雷达信号波形调制方式识别方法。
3.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1中所述的基于图像的雷达信号波形调制方式识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110928512.4A CN113640750B (zh) | 2021-08-13 | 2021-08-13 | 基于图像的雷达信号波形调制方式识别方法、平台及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110928512.4A CN113640750B (zh) | 2021-08-13 | 2021-08-13 | 基于图像的雷达信号波形调制方式识别方法、平台及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113640750A CN113640750A (zh) | 2021-11-12 |
CN113640750B true CN113640750B (zh) | 2022-07-05 |
Family
ID=78421372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110928512.4A Active CN113640750B (zh) | 2021-08-13 | 2021-08-13 | 基于图像的雷达信号波形调制方式识别方法、平台及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113640750B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107301432A (zh) * | 2017-07-11 | 2017-10-27 | 哈尔滨工程大学 | 基于时频分析的自适应辐射源调制识别方法 |
CN109633588A (zh) * | 2018-12-29 | 2019-04-16 | 杭州电子科技大学 | 基于深度卷积神经网络的雷达辐射源识别方法 |
CN109932699A (zh) * | 2019-03-15 | 2019-06-25 | 西安电子科技大学 | 一种雷达辐射源识别方法、装置、计算机设备和存储介质 |
CN112764003A (zh) * | 2021-01-14 | 2021-05-07 | 中山大学 | 一种雷达辐射源信号时频特征识别方法、装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697007B2 (en) * | 2001-08-27 | 2004-02-24 | Lockheed Martin Corporation | Automatic recognition of radar scan type |
WO2009124297A1 (en) * | 2008-04-03 | 2009-10-08 | Kai Sensors, Inc. | Non-contact physiologic motion sensors and methods for use |
-
2021
- 2021-08-13 CN CN202110928512.4A patent/CN113640750B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107301432A (zh) * | 2017-07-11 | 2017-10-27 | 哈尔滨工程大学 | 基于时频分析的自适应辐射源调制识别方法 |
CN109633588A (zh) * | 2018-12-29 | 2019-04-16 | 杭州电子科技大学 | 基于深度卷积神经网络的雷达辐射源识别方法 |
CN109932699A (zh) * | 2019-03-15 | 2019-06-25 | 西安电子科技大学 | 一种雷达辐射源识别方法、装置、计算机设备和存储介质 |
CN112764003A (zh) * | 2021-01-14 | 2021-05-07 | 中山大学 | 一种雷达辐射源信号时频特征识别方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于时频图像和神经网络的LPI雷达信号调制识别;熊坤来 等;《弹箭与制导学报》;20111031;第31卷(第5期);230-233 * |
Also Published As
Publication number | Publication date |
---|---|
CN113640750A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919160B (zh) | 验证码识别方法、装置、终端及存储介质 | |
CN111541511B (zh) | 复杂电磁环境下基于目标检测的通信干扰信号识别方法 | |
CN111401246A (zh) | 一种烟雾浓度检测方法、装置、设备及存储介质 | |
CN111175718A (zh) | 联合时频域的地面雷达自动目标识别方法及系统 | |
CN104052979A (zh) | 用于图像处理的装置和技术 | |
CN111060878B (zh) | 适用于单脉冲的lfm雷达工作模式实时分类方法及装置 | |
CN103475897A (zh) | 一种基于失真类型判断的自适应图像质量评价方法 | |
CN107146258B (zh) | 一种图像显著区域检测方法 | |
CN110276801B (zh) | 一种物体定位方法、装置及存储介质 | |
CN112784690A (zh) | 基于深度学习的宽带信号参数估计方法 | |
CN117314940B (zh) | 基于人工智能的激光切割零件轮廓快速分割方法 | |
CN113640750B (zh) | 基于图像的雷达信号波形调制方式识别方法、平台及介质 | |
CN113177497B (zh) | 视觉模型的训练方法、车辆识别方法及装置 | |
CN104200460A (zh) | 基于图像特征和互信息的图像配准方法 | |
CN111161291A (zh) | 基于目标景深信息的轮廓检测方法 | |
CN111369531A (zh) | 图像清晰度的评分方法、设备及存储装置 | |
US20210374480A1 (en) | Arithmetic device, arithmetic method, program, and discrimination system | |
CN115219991A (zh) | 一种基于希尔伯特变换的二相编码调制信号识别方法 | |
CN112686851B (zh) | 一种图像检测方法、装置及存储介质 | |
CN104700416A (zh) | 基于视觉理解的图像分割阈值确定方法 | |
CN115049530A (zh) | 用于调试图像信号处理器的方法、装置和系统 | |
KR20190058753A (ko) | 영상 처리 방법 및 이를 수행하는 영상 처리 장치 | |
CN113963428A (zh) | 模型训练方法、遮挡检测方法、系统、电子设备及介质 | |
CN111242047A (zh) | 图像处理方法和装置、电子设备及计算机可读存储介质 | |
CN105389775A (zh) | 融合图像灰度特征与结构化表示的图像群组配准方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |