【技术实现步骤摘要】
本专利技术属于电磁信号识别，具体涉及一种基于时空联合感知的电磁目标智能识别方法与系统。
技术介绍
1、随着无线电技术的快速发展和设备普及，无线电磁环境日益复杂，同一时段的信号中可能会混杂多种类型的电磁信号。从复杂的无线环境中，精准侦查到某频段下存在的可疑/目标信号，及时进行管控和处理，在众多领域均具有广阔的应用前景。
2、早期的电磁信号识别技术主要是统计类感知方法（如能量检测、循环平稳特征检测、匹配滤波器检测和协方差矩阵检测法等），其检测准确率及虚警率等指标在低信干比情况下显著恶化。随着技术发展，决策树、支持向量机等机器学习类相关技术在电磁信号识别领域得到了应用，其通过提取信号频域、时域等多维度特征进行模式分类和相关性分析，显著提升了电信号识别性能，然而，由于其对电磁信号的识别依赖于特征的提取和处理，导致其存在工作量较大的问题。近年来，深度学习技术逐步成为当前电磁信号识别的主流研究方向，这得益于其出色的自动特征提取和表达能力。通过自动挖掘海量、高维度样本中的内在规律与深层特征，该技术的性能及效率相比传统技术有了大幅提升。
3、目前，深度学习类电磁识别方法仍然存在诸多挑战：一方面，源自深度学习类技术共有的难题，如需要海量信号样本进行模型训练，泛化性差、参数冗余、样本匮乏等；另一方面，源自电磁信号的复杂性和动态性。电磁频谱环境是一种开放空间，各类通信系统、雷达及其他电子设备信号交叠。如何对未知无线信号中混合的不同类型的电磁信号进行分离，是当前面临的难题之一。此外，由于无线信道空间选择性衰落、阴影、隐藏终端及目
4、此外，现有电磁识别方法往往从单一信号源（例如感知无线电的主信号）、单一特征维度（如能量、相关性特征）及单一节点（难消除多径等影响）去做处理，未从系统性角度综合考虑。例如，大多数基于图像分类方法往往将某时刻的电磁信号数据转换为2d图像，然后利用cnn/yolo等模型进行识别，但其未充分考虑电磁信号在时间维度上的特征信息。而基于时间序列分类方法则将电磁信号数据转换时间序列，充分挖掘了信号时间相关特征信息，但又面临空间相关性利用不足的问题。针对这些问题，基于多点协作的电磁识别方法应运而生，例如我们已经申请的中国专利zl202411463040.x，其公开了一种协作式电磁信号智能识别方法与系统，其通过对各个协同感知节点上报的潜在电磁目标列表进行融合处理，其方法综合考虑了各个协同感知节点的状态、时频位置一致性、图形形态一致性等并进行加权处理，提升了识别结果的准确性；但其仍然未能解决多信号交叠的难题，在低snr条件和动态场景条件下存在识别性能差、自适应能力不足的问题。
5、有鉴于此，需要对现有技术进行进一步改进。
技术实现思路
1、针对现有技术存在的不足，本专利技术提供了一种基于时空联合感知的电磁目标智能识别方法与系统，致力于解决复杂空间电磁信号交叠分离的难题，提升低snr条件下对目标电磁信号的识别性能和在动态场景下的自适应能力。
2、为实现以上技术目的，本专利技术采用以下技术方案：
3、一种基于时空联合感知的电磁目标智能识别方法，该方法借助于电磁目标智能识别系统实现，所述电磁目标智能识别系统至少包括能够进行信息交互的联合处理识别单元和多个协同感知节点，所述方法包括以下步骤：
4、步骤s1、协同感知节点对无线信道进行扫描，以周期t为时间间隔采集电磁信号，得到各自的周期采集信号；
5、步骤s2、各协同感知节点分别对各自得到的周期采集信号进行频点分离，形成以频点为索引的电磁信号信息；
6、步骤s3、协同感知节点将频点分离得到的以频点为索引的电磁信号信息传送至联合处理识别单元，与此同时，协同感知节点计算每个频点的时频图采样片段的rssi信息并将其上传到联合处理识别单元，联合处理识别单元先根据得到的rssi信息对相应的所述以频点为索引的电磁信号信息进行空间分离，得到电磁目标节点位置，再基于电磁目标节点位置对所述电磁目标进行网格空间地址编码，联合处理识别单元汇聚各协同感知节点上传的以频点为索引的电磁信号信息和网格空间地址编码信息，实时构建时空频3d索引的数据集r；
7、步骤s4、联合处理识别单元根据步骤s3所构建的时空频3d索引的数据集r，通过时空联合注意力识别，得到最终的电磁目标识别结果。
8、与现有技术相比，本专利技术至少具有以下有益效果：
9、本专利技术针对复杂空间电磁信号交叠分离难题，提出了一种基于时空联合感知的电磁目标智能识别方法，针对采集的电磁信号，先将其转换为时频图，然后借助于yolo等模型实现频点分离，再利用采样片段的rssi信息结合基于射频指纹的时空联合定位算法，实现空间分离，得到网格空间地址编码，接着，通过构建数据集r，利用时空联合注意力机制，实现时空分离，得到电磁识别目标结果；通过对交叠电磁信号在“时-空-频”多维度分离，能够提升低snr条件下识别性能和动态场景下的自适应能力，实现移动电磁目标的准确定位。
本文档来自技高网...【技术保护点】
1.一种基于时空联合感知的电磁目标智能识别方法，该方法借助于电磁目标智能识别系统实现，所述电磁目标智能识别系统至少包括能够进行信息交互的联合处理识别单元和多个协同感知节点，其特征在于，所述方法括以下步骤：
2.如权利要求1所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，在步骤S1中，周期采集信号以数字序列的形式体现，每个周期T的采样时长为Td，且Td<T，每个采样时长Td对应的数字序列长度为p，所形成的数字序列表示为：
3.如权利要求1所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，在步骤S2中，对于得到的周期采集信号，与其对应的协同感知节点首先利用短时傅里叶变换将其转换成时频图，接着，所述与其对应的协同感知节点利用目标检测网络模型对时频图进行分析，从时频图上识别出潜在电磁目标信息，并基于识别出的潜在电磁目标信息将时频图分割成一系列以频率为索引的时频图采样片段，针对每个频点的时频图采样片段，逐一进行短时傅里叶逆变换，形成以频点为索引的电磁信号信息。
4.如权利要求1所述的一种基于时空联合感知的电磁目标智能识别方
5.如权利要求4所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，步骤S3.2具体包括：
6.如权利要求5所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，步骤S3.3具体包括：
7.如权利要求1-6中任一项所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，在步骤S4中，联合处理识别单元通过构建时空多通道图神经网络模型来进行时空联合注意力识别，时空多通道图神经网络模型包括数据构建层、空域图注意力层、时域序列注意力层和全连接层。
8.如权利要求7所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，
9.一种基于时空联合感知的电磁目标智能识别系统，其用于实现权利要求7-8中任一项所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，协同感知节点负责电磁信号的采集及频点分离；联合处理识别单元负责电磁信号的空间分离并基于时空多通道图神经网络模型，实现时空分离，从而最终实现复杂空间电磁信号分离和识别。
10.如权利要求9所述的一种基于时空联合感知的电磁目标智能识别系统，其特征在于，联合处理识别单元还将最终的电磁目标识别结果应用于空间分离，以优化后续环节目标定位的精度。
...【技术特征摘要】
1.一种基于时空联合感知的电磁目标智能识别方法，该方法借助于电磁目标智能识别系统实现，所述电磁目标智能识别系统至少包括能够进行信息交互的联合处理识别单元和多个协同感知节点，其特征在于，所述方法括以下步骤：
2.如权利要求1所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，在步骤s1中，周期采集信号以数字序列的形式体现，每个周期t的采样时长为td，且td<t，每个采样时长td对应的数字序列长度为p，所形成的数字序列表示为：
3.如权利要求1所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，在步骤s2中，对于得到的周期采集信号，与其对应的协同感知节点首先利用短时傅里叶变换将其转换成时频图，接着，所述与其对应的协同感知节点利用目标检测网络模型对时频图进行分析，从时频图上识别出潜在电磁目标信息，并基于识别出的潜在电磁目标信息将时频图分割成一系列以频率为索引的时频图采样片段，针对每个频点的时频图采样片段，逐一进行短时傅里叶逆变换，形成以频点为索引的电磁信号信息。
4.如权利要求1所述的一种基于时空联合感知的电磁目标智能识别方法，其特征在于，在步骤s3中，为了得到所述电磁目标的节点位置，联合处理识别单元采用基于射频指纹的时空联合定位方法来实现，其中，所述基于射频指...
【专利技术属性】
技术研发人员：邱吉刚，蔡方凯，付宁，姚元飞，张杰，马方力，何宗苗，
申请(专利权)人：成都工业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。