一种辐射源识别方法及系统

本发明涉及辐射源识别领域，具体而言，涉及一种辐射源识别方法及系统。

背景技术：

1、随着电磁环境的日益复杂及新体制信号的不断涌现，对识别方法的准确性、可解释性及工程部署效率提出了更高要求。传统的识别方法主要依赖于人工设计的特征提取规则与先验知识库，其识别性能严重受限于专家经验，在面对信号波形复杂多变、个体指纹差异细微的实际场景时，泛化能力与适应性不足。近年来，以深度学习为代表的端到端学习方法通过强大的自动特征学习能力，在一定程度上克服了传统方法的局限，提升了识别精度，然而，这类模型通常存在结构复杂、参数量庞大、可解释性弱的内在缺陷，其“黑箱”特性使得模型决策过程难以追溯与分析，同时也为在资源受限的边缘计算平台部署带来了挑战。

技术实现思路

1、本发明的目的在于提供一种辐射源识别方法及系统，以改善上述问题。

2、为了实现上述目的，本申请实施例提供了如下技术方案：

3、一方面，本申请实施例提供了一种辐射源识别方法，所述方法包括：

4、获取辐射源信号；

5、对所述辐射源信号进行预处理，得到预处理后的辐射源信号；

6、根据所述预处理后的辐射源信号构建时频特征，得到第一特征信息和第二特征信息，所述第一特征信息包括时域特征，所述第二特征信息包括频域特征；

7、将所述第一特征信息和所述第二特征信息输入混合基函数构造的kan进行特征映射，得到融合后的特征向量；

8、将所述融合后的特征向量发送至识别模型进行识别，得到辐射源识别结果。

9、第二方面，本申请实施例提供了一种辐射源识别系统，所述系统包括：

10、获取模块，用于获取辐射源信号；

11、预处理模块，用于对所述辐射源信号进行预处理，得到预处理后的辐射源信号；

12、构建模块，用于根据所述预处理后的辐射源信号构建时频特征，得到第一特征信息和第二特征信息，所述第一特征信息包括时域特征，所述第二特征信息包括频域特征；

13、处理模块，用于将所述第一特征信息和所述第二特征信息输入混合基函数构造的kan进行特征映射，得到融合后的特征向量；

14、识别模块，用于将所述融合后的特征向量发送至识别模型进行识别，得到辐射源识别结果。

15、第三方面，本申请实施例提供了一种辐射源识别设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述辐射源识别方法的步骤。

16、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述辐射源识别方法的步骤。

17、本发明的有益效果为：

18、本发明通过对辐射源信号进行预处理以提升数据质量，随后构建包含时域与频域特征的第一特征信息和第二特征信息，为识别提供更全面的判别依据,再将所述第一特征信息和第二特征信息进行混合基函数特征映射，通过异构的函数基分别捕捉信号的瞬态非线性与全局周期性特征，并实现深度特征融合，最终将融合后的特征向量发送至识别模型进行识别。本发明针对了现有技术中人工设计特征规则泛化能力不足、深度学习模型可解释性弱的问题，引入kan网络，并对其信号频域结构刻画不充分、参数冗余等问题进行适应性改进。本发明在提升辐射源识别精度与泛化能力的同时，具备辅助解释模型行为、特征区间响应分析的能力，可为实际应用中的模型调优提供辅助参考；通过优化方法降低了模型复杂度与计算开销，更有利于在实际工程中部署应用。

19、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

1.一种辐射源识别方法，其特征在于，包括：

2.根据权利要求1所述的辐射源识别方法，其特征在于，对所述辐射源信号进行预处理，包括：

3.根据权利要求1所述的辐射源识别方法，其特征在于，根据所述预处理后的辐射源信号构建时频特征，包括：

4.根据权利要求1所述的辐射源识别方法，其特征在于，将所述第一特征信息和所述第二特征信息输入混合基函数构造的kan进行特征映射，包括：

5.根据权利要求1所述的辐射源识别方法，其特征在于，将所述融合后的特征向量发送至识别模型进行识别，包括：

6.一种辐射源识别系统，其特征在于，包括：

7.根据权利要求6所述的辐射源识别系统，其特征在于，所述预处理模块，包括：

8.根据权利要求6所述的辐射源识别系统，其特征在于，所述构建模块，包括：

9.根据权利要求6所述的辐射源识别系统，其特征在于，所述处理模块，包括：

10.根据权利要求6所述的辐射源识别系统，其特征在于，所述识别模块，包括：