【技術實現步驟摘要】
本專利技術涉及電子偵察領域，更為具體的，涉及一種基于圖神經網絡的艦船輻射源編隊識別方法、設備及介質。
技術介紹
1、隨著電子偵察技術的發展，傳感器靈敏度不斷提高，能夠截獲的信號越來越多。同時隨著雷達技術的發展，艦船雷達的種類、數量以及工作狀態越發繁多，數據類型復雜，很難根據偵察到的雷達脈沖描述字(pdw，pulse?description?word)對新出現的輻射源進行有效判斷偵察。現有的電磁數據融合關聯大多只從雷達的pdw進行分選識別，而忽視了艦船之間的位置關系以及艦載雷達之間的配合工作關系，導致無法有效區分軍民船只的輻射源特征。
2、例如，公開號cn116340822a的《一種基于圖神經網絡的電子目標序列分析預測方法》的專利申請方案，使用圖卷積神經網絡分析實時場景下的電子目標序列，序列包括場景內所有的平臺目標，電子目標以及目標的各種參數，包括各種類型的電子設備，如雷達、電臺等，還包括所有節點互相之間的各種維度的關系，如指揮關系，關聯關系，通信關系，以及序列的動態變化等各種的信息，輸出電子目標序列屬于已知的何種電子目標序列。該專利申請的輸入條件為節點之間的通信、指揮以及關聯關系，輸出可能存在的序列結構。該方法問題在于，實際非合作模式的電子偵察中很難獲取節點之間的指揮以及關聯關系。此外該方法雖然同樣使用圖神經網絡處理電子目標數據，但是沒有考慮目標之間的位置信息，僅根據電磁特征對電子目標序列進行判斷。
3、公告號cn111914910a的《基于多觀察點形狀上下文的飛機編隊識別方法》的專利申請方案，構建基于阿
技術實現思路
1、本專利技術的目的在于克服現有技術的不足，提供一種基于圖神經網絡的艦船輻射源編隊識別方法、設備及介質，具體提出利用艦船的輻射源特性和位置信息在海量電磁目標中找到符合艦隊特征的輻射源群體目標，實現對輻射源群體行為深層次規律挖掘，為艦隊目標連續監視跟蹤、目標活動規律提取與異常檢測等情報工作奠定基礎。
2、本專利技術的目的是通過以下方案實現的：
3、一種基于圖神經網絡的艦船輻射源編隊識別方法，包括如下步驟：
4、利用群體輻射源之間的位置特征以及電磁信號特征，構成輻射源鄰接矩陣；基于輻射源鄰接矩陣構建基于圖神經網絡的分層圖編碼與評分網絡；
5、利用所述分層圖編碼與評分網絡識別出艦隊信息。
6、進一步地，所述電磁信號特征包括載頻、重頻和脈寬。
7、進一步地，所述利用群體輻射源之間的位置特征以及電磁信號特征，構成輻射源鄰接矩陣，具體包括子步驟：
8、將分層圖編碼與評分網絡定義為hgsesn(a,x)；其中a為鄰接矩陣，x為屬性矩陣；
9、設一次偵察有n個輻射源，則a矩陣的大小為n×n；對于無向圖a，設輻射源之間的編隊最大間距為k，則：
10、
11、a(i,j)表示鄰接矩陣，di,j表示i行j列艦艇的距離；
12、將輻射源之間的位置信息轉換成能夠輸入到神經網絡的鄰接矩陣；x矩陣的大小為n×m，其中m為輻射源屬性信息的數量；
13、通過轉換，將電子偵察得到的輻射源位置信息和屬性信息轉換為a和x兩個矩陣。
14、進一步地，所述基于輻射源鄰接矩陣構建基于圖神經網絡的分層圖編碼與評分網絡，具體包括子步驟：
15、所述分層圖編碼與評分網絡hgsesn(a,x)包括圖同構網絡gin，利用圖同構網絡gin對輸入圖結構數據進行全局池化，最終得到每一個子節點的得分。
16、進一步地，所述分層圖編碼與評分網絡hgsesn(a,x)還包括圖編碼網絡，，圖編碼網絡由若干層gcn組成。
17、進一步地，所述利用圖同構網絡gin對輸入圖結構數據進行全局池化，最終得到每一個子節點的得分，具體包括子步驟：
18、c(k+1)(v)＝ginconv(c(k)(v),{c(k)(u)}u∈a(u))
19、其中，c(k+1)(v)為v節點聚合后的新特征，c(k)(u)為節點v鄰接節點的特征，ginconv為圖同構網絡，c(k)(v)為v節點聚合前的特征，u為節點v的鄰接節點，a(u)為鄰接矩陣；
20、經過圖同構網絡操作后，每個節點的特征除了其自身特征外，還包含了其鄰接節點的特征；最后利用多層感知機(multilayer?perceptrons，mlp)將每個節點的屬性池化為該節點的分數，通過gin操作，得到每個節點的評分為ls。
21、進一步地，還包括步驟：
22、將圖數據中的子圖輸出到gcn中得到子圖評分lsub，將全圖輸入到圖編碼器得到lf，則最終的每個節點的得分lnode為：
23、lnode＝ls-(lsub-lf)
24、將節點的得分經過激活函數操作，即能在干擾輻射源中通過分層圖編碼與評分網絡hgsesn(a,x)識別出艦隊信息。需要說明的是，經過激活函數后，可以將得分突出的輻射源篩選出來并過濾得分較低的干擾輻射源，從而識別出艦隊信息。
25、進一步地，所述激活函數包括softmax函數。
26、一種基于圖神經網絡的艦船輻射源編隊識別設備，包括處理器和存儲器，所述存儲器中存儲有計算機程序，當所述計算機程序被所述處理器加載時執行如上任一項所述的方法。
27、一種計算機可讀存儲介質，在可讀存儲介質中存儲有計算機程序，所述計算機程序被處理器加載時執行如上任一項所述的方法。
28、本專利技術的有益效果包括：
29、本專利技術提出的基于圖神經網絡的艦船輻射源編隊識別方法，能夠解決當新輻射源出現，現有知識無法分辨其軍民屬性的問題以及軍用輻射源和民用輻射源參數接近難以區分的問題。通過其所在編隊的隊形陣位以及輻射源之間的組合關系可以判斷其軍民屬性。
30、本專利技術使用圖神經網絡結構分析當前場景下的輻射源的位置和屬性信息。其中使用圖自編碼器聚合輻射源節點的特征和邊參數，為每個節點打分生成新的圖特征。為了防止異常節點的數據在卷積過程中被正常節點淹沒，設計了圖編碼器網絡從全圖和子圖的角度增加了對節點的描述，最終能夠在大量背景噪聲的情況下完成對艦隊輻射源的識別。
本文檔來自技高網...【技術保護點】
1.一種基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述電磁信號特征包括載頻、重頻和脈寬。
3.根據權利要求1所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述利用群體輻射源之間的位置特征以及電磁信號特征，構成輻射源鄰接矩陣，具體包括子步驟：
4.根據權利要求3所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述基于輻射源鄰接矩陣構建基于圖神經網絡的分層圖編碼與評分網絡，具體包括子步驟：
5.根據權利要求4所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述分層圖編碼與評分網絡HGSESN(A,X)還包括圖編碼網絡，，圖編碼網絡由若干層GCN組成。
6.根據權利要求5所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述利用圖同構網絡GIN對輸入圖結構數據進行全局池化，最終得到每一個子節點的得分，具體包括子步驟：
7.根據權利要求6所述的基于圖神經網絡的艦船輻射源編隊識別
8.根據權利要求7所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述激活函數包括softmax函數。
9.一種基于圖神經網絡的艦船輻射源編隊識別設備，其特征在于，包括處理器和存儲器，所述存儲器中存儲有計算機程序，當所述計算機程序被所述處理器加載時執行權利要求1～8任一項所述的方法。
10.一種計算機可讀存儲介質，其特征在于，在可讀存儲介質中存儲有計算機程序，所述計算機程序被處理器加載時執行權利要求1～8任一項所述的方法。
...【技術特征摘要】
1.一種基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述電磁信號特征包括載頻、重頻和脈寬。
3.根據權利要求1所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述利用群體輻射源之間的位置特征以及電磁信號特征，構成輻射源鄰接矩陣，具體包括子步驟：
4.根據權利要求3所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述基于輻射源鄰接矩陣構建基于圖神經網絡的分層圖編碼與評分網絡，具體包括子步驟：
5.根據權利要求4所述的基于圖神經網絡的艦船輻射源編隊識別方法，其特征在于，所述分層圖編碼與評分網絡hgsesn(a,x)還包括圖編碼網絡，，圖編碼網絡由若干層gcn組成。
6...
【專利技術屬性】
技術研發人員：李澤一，張偉，顧杰，段楊，李鵬飛，張謙，
申請(專利權)人：中國電子科技集團公司第二十九研究所，
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。