【技術實現步驟摘要】
本專利技術屬于雷達抗干擾領域，具體涉及一種基于時頻特征的復合欺騙干擾智能識別方法、系統、設備及介質。
技術介紹
1、由于雷達的重要作用，它往往成為優先攻擊的目標。在復雜多變的環境下，提升雷達的抗干擾能力變得愈加重要。隨著數字射頻存儲(drfm)技術的出現和普及，干擾機能夠快速產生調制方式復雜且參數多變的新型干擾，使雷達難以正常工作，給雷達抗干擾措施的制定帶來新的挑戰。有效識別干擾是實現干擾抑制的重要前提，只有確定干擾信號的具體類型，才能采取適當合理的抗干擾措施。
2、現有的干擾信號識別技術存在兩個問題：一是在低干噪比條件下，干擾信號強度接近或低于背景噪聲水平，使得干擾識別準確率較低；二是對多種欺騙干擾疊加的復合欺騙干擾的識別研究較少。
技術實現思路
1、本專利技術的目的在于提供一種基于時頻特征的復合欺騙干擾智能識別方法、系統、設備及介質，有效提升低干噪比下復合干擾的識別準確率，且易于工程實現。
2、本專利技術的目的通過如下技術方案來實現：
3、一種基于時頻特征的復合欺騙干擾智能識別方法，具體步驟如下：
4、步驟1：利用干擾信號仿真模塊，仿真m個脈沖的干擾信號；
5、步驟2：利用復合欺騙干擾生成模塊、復合欺騙干擾信號預處理模塊對步驟1得到的干擾信號進行預處理，再通過特征提取模塊及數據集構建模塊對干擾信號進行特征提取生成數據集；
6、步驟3：利用輸入模塊，將步驟2生成的數據集輸入yolov8神經網絡推理檢測模型中并
7、步驟4：基于步驟3訓練好的模型，利用測試集生成模塊和評估模塊對不同干噪比下的復合欺騙干擾進行檢測。
8、進一步地，所述步驟1利用干擾信號仿真模塊仿真m個脈沖的切片重構干擾、間歇采樣直接轉發干擾、間歇采樣循環轉發干擾、梳狀譜干擾，雷達脈沖重復頻率為3khz，工作頻率為10ghz，信號脈寬為70μs，帶寬為25mhz，采樣頻率為60mhz，相參累積脈沖個數m為64。
9、進一步地，所述步驟2具體為：
10、步驟2.1：通過復合欺騙干擾生成模塊對步驟1所述的4種欺騙干擾信號進行加性復合，生成11種復合欺騙干擾信號；
11、步驟2.2：通過復合欺騙干擾信號預處理模塊對一個cpi內的m個復合欺騙干擾信號進行脈沖壓縮和相參累積處理，在得到的距離-多普勒域結果上進行最大值搜索，得到干擾所在的多普勒單元f；只對一個cpi的m個復合欺騙干擾信號進行相參累積處理，對得到的結果提取復合欺騙干擾所在的多普勒單元f的時域切片；
12、步驟2.3：通過特征提取模塊及數據集構建模塊對提取得到的時域切片進行短時傅里葉變換處理，首先將時域切片經過分幀加窗，然后對加窗后的信號進行離散傅里葉變換，最后將變換后結果累和，生成時頻圖，改變干噪比、干擾的距離和速度，得到復合欺騙干擾時頻圖數據集。
13、進一步地，所述步驟3通過輸入模塊將步驟2構建的數據集輸入到yolov8網絡中，利用mosaic數據增強技術，在一個時頻圖中合成多個訓練樣本；主干網絡使用c2f模塊；檢測頭采用sppf模塊和fpn+pan模塊，同時也將yolov5中的c3模塊更換成c2f模塊，增強網絡特征融合能力，并采用解耦頭的結構，使兩條并行的分支分別取提取干擾信號的類別特征和位置特征，然后各用一層1×1卷積完成干擾信號的分類和定位任務。
14、進一步地，所述步驟4具體為：
15、步驟4.1：利用測試集生成模塊在-28～-15db的干噪比范圍內生成不同干噪比下的復合欺騙干擾信號時頻圖作為測試集；
16、步驟4.2：利用評估模塊，并基于精確率p、召回率r、map50-95作為復合欺騙干擾識別分類的性能評價指標；當p越高代表檢測結果越可靠，誤檢越少；r越高代表著算法越能夠檢測到所有干擾信號，漏檢較少；map的值越大表明算法的檢測精度越高。
17、進一步地，所述p、r和map的計算公式如下：
18、
19、
20、其中，tp為干擾信號檢測正確的數量，fp為干擾信號誤檢的數量，fn表示漏檢數量；ap為精度，由p-r曲線的面積求得；map為所有干擾信號類別的平均精度；精確率p表示模型預測為正樣本中的真實正樣本的比例，即正確預測為正樣本的數量與所有預測為正樣本的數量的比值；召回率r表示模型正確預測為正樣本的數量與真實正樣本的數量的比例，即模型成功找到的正樣本數量與所有真實正樣本數量的比值；map50-95表示模型在50％～95％的iou閾值范圍內的平均精度。
21、一種計算機裝置/設備/系統，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執行所述計算機程序以實現一種基于時頻特征的復合欺騙干擾智能識別方法的步驟。
22、一種計算機可讀存儲介質，其上存儲有計算機程序/指令，該計算機程序/指令被處理器執行時實現一種基于時頻特征的復合欺騙干擾智能識別方法的步驟。
23、一種計算機程序產品，包括計算機程序/指令，該計算機程序/指令被處理器執行時實現一種基于時頻特征的復合欺騙干擾智能識別方法的步驟。
24、一種電子設備，包括：
25、存儲器，用于保存計算機程序；
26、處理器，用于執行所述計算機程序以實現一種基于時頻特征的復合欺騙干擾智能識別方法的指令跟蹤方法。
27、本專利技術的有益效果在于：
28、本專利技術首先對復合欺騙干擾信號進行脈沖壓縮和相參累積處理得到干擾信號最大能量譜所在的多普勒單元，然后只對干擾信號進行相參累積處理，提取最大能量譜所在多普勒單元的時域切片，故可以獲取提高干噪比之后的干擾信號時頻圖；對多種欺騙干擾動態疊加復合的情況下具有良好的泛化能力；可以大幅提高低干噪比下復合欺騙干擾的識別準確率，為雷達抗干擾領域提供可靠的技術支撐；易于工程實現、速度快。
本文檔來自技高網...【技術保護點】
1.一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：具體步驟如下：
2.根據權利要求1所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述步驟1利用干擾信號仿真模塊仿真M個脈沖的切片重構干擾、間歇采樣直接轉發干擾、間歇采樣循環轉發干擾、梳狀譜干擾，雷達脈沖重復頻率為3kHz，工作頻率為10GHz，信號脈寬為70μs，帶寬為25MHz，采樣頻率為60MHz，相參累積脈沖個數M為64。
3.根據權利要求1所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述步驟2具體為：
4.根據權利要求1所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述步驟3通過輸入模塊將步驟2構建的數據集輸入到YOLOv8網絡中，利用Mosaic數據增強技術，在一個時頻圖中合成多個訓練樣本；主干網絡使用C2f模塊；檢測頭采用SPPF模塊和FPN+PAN模塊，同時也將YOLOv5中的C3模塊更換成C2f模塊，增強網絡特征融合能力，并采用解耦頭的結構，使兩條并行的分支分別取提取干擾信號的類別特征和位置特征，然后各用一層1×1卷積完
5.根據權利要求1所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述步驟4具體為：
6.根據權利要求5所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述P、R和mAP的計算公式如下：
7.一種計算機裝置/設備/系統，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于：所述處理器執行所述計算機程序以實現權利要求1至6中任一項所述方法的步驟。
8.一種計算機可讀存儲介質，其上存儲有計算機程序/指令，其特征在于：該計算機程序/指令被處理器執行時實現權利要求1至6中任一項所述方法的步驟。
9.一種計算機程序產品，包括計算機程序/指令，其特征在于：該計算機程序/指令被處理器執行時實現權利要求1至6中任一項所述方法的步驟。
10.一種電子設備，其特征在于，包括：
...【技術特征摘要】
1.一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：具體步驟如下：
2.根據權利要求1所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述步驟1利用干擾信號仿真模塊仿真m個脈沖的切片重構干擾、間歇采樣直接轉發干擾、間歇采樣循環轉發干擾、梳狀譜干擾，雷達脈沖重復頻率為3khz，工作頻率為10ghz，信號脈寬為70μs，帶寬為25mhz，采樣頻率為60mhz，相參累積脈沖個數m為64。
3.根據權利要求1所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述步驟2具體為：
4.根據權利要求1所述的一種基于時頻特征的復合欺騙干擾智能識別方法，其特征在于：所述步驟3通過輸入模塊將步驟2構建的數據集輸入到yolov8網絡中，利用mosaic數據增強技術，在一個時頻圖中合成多個訓練樣本；主干網絡使用c2f模塊；檢測頭采用sppf模塊和fpn+pan模塊，同時也將yolov5中的c3模塊更換成c2f模塊，增強網絡特征融合能力，并采...
【專利技術屬性】
技術研發人員：孫殿星，宋穎娟，丁春山，于洪波，彭銳暉，
申請(專利權)人：哈爾濱工程大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。