天线算法:深度学习应用程序的雷达和通信信号标记

这Microwaves＆Rf.本文经允许转载于此。

作为本系列的一部分，我们在将深度学习技术应用于雷达和通信应用程序时写了多个帖子。与本主题相关的最新帖子包括：

在这些博客中，我们综合了雷达和通信数据，以培训目标和信号分类应用中的深度学习网络，最近，最近，RF指纹识别。我们展示了多个示例，其中网络被综合数据培训并使用从无线电或雷达收集的数据测试网络。

以前的博客关注的是数据合成，而在这里，我们着眼于从雷达、无线电或仪器中标记真实世界的数据。这种类型的数据通常采用复杂格式，具有I(同相位)和Q(正交)分量。数据通常包含在一组大文件中，其中唯一的标识符是文件名，文件名可能包括关于何时收集数据的信息。

您的数据可以以多种方式进行标记。例如，您可以根据其波形调制类型来标记整个信号。在其他应用程序中，标签可能表明什么类型的目标返回(飞机，无人机等)或干扰包含在信号中。这些类型的标签被称为分类标签。

移动到更粒度的级别，您可以标记信号的特定特性，例如脉冲宽度，带宽或脉冲重复频率（PRF）。在其他应用中，标签可能表示感兴趣的区域（ROI）;例如，在较大信号内以有限时间间隔发生的虚假干扰事件。

我们将演示如何使用三个常见波形标记脉冲雷达信号的主要时间和频率特征：线性FM，矩形和阶梯式FM。工作流程可帮助您创建完整和准确的数据集，以培训用于深度学习的模型。注意，这种类型的工作流也可以类似地应用于通信信号。

我们将首先是为此类型的应用程序设计的交互式工具 - 信号标签程序应用程序 - 这是其中的一部分信号处理工具箱MATLAB。为了完整起见，我们将讨论使用应用程序手动和自动标记数据的方法。

在手动模式下，我们利用同步的时间和时频视图来帮助识别与波形调制类型相关的频率特征。在自动模式下，我们使用识别波形特征的函数，包括PRF、脉冲宽度、占空比和脉冲带宽。

图1显示信号标签应用程序与雷达信号加载和准备被标记。有一个Label Definitions面板(左上)和用于关键可视化的面板(右上)。首先，我们为每种信号波形类型创建一个标签定义。在我们的示例中，这些标值是LinearFM、rectangle和SteppedFM。作为设置的一部分，我们还为PRF、占空比、脉宽和带宽创建属性标签定义。这些参数将使用处理每个信号的函数自动标记。

我们使用ROI标签来捕获每个信号中的一个区域，从我们想要标记的特征发生感兴趣的事件或特征的最初和最后时间开始。一旦定义了标签，您就可以将在MATLAB中编写的自定义函数上传到标签器中。在我们的示例中，我们使用定制的函数来标记PRF、带宽、占空比和脉冲宽度。图2.在标签工具栏中显示自动函数库的放大视图。

正如我们之前注意的那样，为了证明手动标记信号的能力，我们首先在时间和时频域中检查信号(图3)．一旦我们通过查看时频内容直观地确定了信号类型，我们就可以手动分配标签。需要记住的几点是:我们在示例中使用的信号是理想信号，可以很容易地看到属性;然而，这些相同的技术可以有效地用于有任何损伤的噪声信号。此外，标签可以通过应用下面描述的技术自动完成。

请注意，尚未填充波形特性（图3，右下）．我们将展示如何不久进行此标签。对于工作流程的手动标记部分，您定义的标签（在这种情况下，波形类型）可在下拉菜单中找到，您可以从中挑选。

图4和5显示线性FM和阶梯式FM波形的类似可视化。注意为每个信号添加了相应的波形类型标签。

手动标记每种波形类型完成后，我们现在可以使用函数来自动计算和标记每个输入信号的特征。有关我们示例中使用的函数的更多信息，以及如何添加和定制自己的函数，请访问这里．的右下部分显示了结果图6.．这个工作流程的优点在于，你可以在MATLAB中自定义自己的函数，并将它们添加到Signal label应用程序中的函数库中。

在这个例子中，我们有一个小的数据集，但你通常会有更大的数据集。您可以查看标签的进度并验证计算的标签值是否正确。图7（左）显示标记进度，在本例中为100%，因为所有信号都已标记。图7(右)显示每个标签值的标签的信号数。饼图可用于确保您具有平衡数据集。在这种情况下，您还可以评估标签的准确性并确认结果如预期的那样。