(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111218190.0 (22)申请日 2021.10.20 (71)申请人 中电科思仪科技股份有限公司 地址 266555 山东省青岛市黄岛区香江路 98号 (72)发明人 台鑫　许建华　张志斌　刘亮　 薛晓男　刘青松　 (74)专利代理 机构 青岛智地领创专利代理有限 公司 37252 代理人 肖峰 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) (54)发明名称 一种基于目标特征自学习的复杂电磁信号 模拟发生方法 (57)摘要 本发明公开了一种基于目标特征自学习的 复杂电磁信号模拟发生方法， 属于电子测试技术 领域， 通过人工神经网络算法进行目标特征自学 习， 建立自主升级迭代拟合的电磁信号网络模 型， 实现复杂电磁信号的高精度模拟。 所述电磁 信号网络模 型包括编码器和解码器两个单元， 均 采用全连接人工神经网络技术； 编码器单元将输 入信号全部转变为数字信息， 然后传入解码器， 解码器再将该数字信息重构为信号； 复杂电磁信 号模拟的整个过程完成的是信号到数据再到信 号的迭代拟合， 同时， 网络拟合生成的复杂电磁 信号又可作为新的网络输入， 实现了拟合模型的 螺旋式自动优化。 本发明可以有效解决电磁空间 构建对传统理想数学公式的高度依赖造成的模 拟逼真度低的问题。 权利要求书1页 说明书3页 附图2页 CN 113987924 A 2022.01.28 CN 113987924 A 1.一种基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在于， 通过人工神 经网络算法进行目标特征自学习， 建立自主升级迭代拟合的电磁信号网络模型， 实现复杂 电磁信号的高精度模拟。 2.根据权利要求1所述基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在 于， 所述电磁信号网络模型包括编码器和解码器两个单 元。 3.根据权利要求2所述基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在 于， 所述编码器和解码器单 元均采用全连接人工神经网络技 术。 4.根据权利要求3所述基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在 于， 所述编码 器的输入为真实复杂电磁信号， 编 码器的输出层维度m小于输入层的维度n； 所 述解码器的输入层为编码器的输出层。 5.根据权利要求4所述基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在 于， 具体发生原理为： 编码器输入端输入真实复杂电磁信号， 对输入信号进行降维， 自主学 习提取该信号的目标特征； 解码 器再将提取出的目标特征进 行重构生成最终的复杂电磁信 号。 6.根据权利要求5所述基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在 于， 应用电磁信号网络模型生成的复杂电磁信号又可以作为输入信号， 重新输入到网络模 型中， 完成对网络模型的优化， 进一 步提高模型性能。 7.根据权利要求2所述基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在 于， 所述编码 器单元将输入信号全部转变为数字信息， 然后传 入解码器， 解码 器再将该数字 信息重构为信号； 复杂电磁信号模拟的整个过程完成的是信号到数据再到信号的迭代拟 合， 实现了拟合模型的螺 旋式自动优化。 8.根据权利要求2所述基于目标特征自学习的复杂电磁信号模拟发生方法， 其特征在 于， 所述编码器的代价 函数为： 其中， J(W,b)是常规自编码网络训练代价函数； W是网络模型的权值； b是网络模型的偏 置； β 是稀疏性因子的权重稀疏； 是一个以ρ 为均值和一个以 为均值的两个伯 努利随机变量之间的相对熵。权　利　要　求　书 1/1 页 2 CN 113987924 A 2一种基于目标特征自学习的 复杂电磁信号 模拟发生方 法 技术领域 [0001]本发明属于电子测试技术领域， 具体涉及 一种基于目标特征自学习的复杂电磁信 号模拟发生方法。 背景技术 [0002]复杂电磁信号模拟发生技术是雷达信号模拟、 电子对抗、 复杂电磁环境模拟等技 术领域的关键技术之一， 广泛应用于通信、 雷达、 导航等多个领域的测试工作中的激励信号 产生。 目的是产生各类可应用于各领域的复杂电磁信号。 传统的数字域仿真模拟是基于特 定种类的电磁信号的理想数学公式进行仿真数据的产生， 是在理想假设条件下， 真实信号 的近似。 这就决定了传统方法的本质是基于理想条件的电磁信号叠加， 从而限制 了对复杂 电磁信号的模拟能力。 [0003]目前， 传统复杂电磁环境模拟发生的通用方法基于特定种类的电磁信号的理想数 学公式进 行仿真数据的产生， 是在理想假设条件下， 真实信号的近似。 以矢量雷达信号模拟 发生为例， 原理如图1所示， 用户可根据需求在控制面板设置相关参数， 软件对设置好的数 据集合进行解析， 进而编译产生指定类型和参数 的雷达信号， 并以文件形式存放于系统存 储空间， 以待用户提取调用。 此外， 也可直接对产生的波形数据通过LAN通信传输至信号发 生器， 实现射频输出。 由此可见， 此方案虽然可以实现矢量雷达信号的模拟发生， 但是是基 于特定种类的电磁信号的理想数学公式进行仿真数据的产生， 是在理想假设条件下， 真实 信号的近似。 这也导致了所模拟发生的电磁信号与真实空间误差较大且不方便评估， 无法 满足电磁环境模拟的相关要求的问题。 [0004]综上， 现有技术的主要包括以下缺点： 传统的数字域仿真模拟是基于特定种类的 电磁信号的理想数学公 式进行仿真数据的产生， 是在理想假设条件下， 真实信号的近似； 基 于传统方法发生出的电磁信号叠加构成电磁空间与真实空间误差较大且不方便评估， 无法 满足电磁环境模拟的相关要求。 发明内容 [0005]为了解决电磁空间构建对传统理想数学公式的高度依赖造成的模拟逼真度低的 问题， 本发明提出了一种基于目标特征自学习的复杂电磁信号模拟发生方法， 通过人工神 经网络算法进行目标特征自学习， 建立自主升级迭代拟合的电磁信号模型， 实现突破经典 数学公式的复杂电磁信号高精度模拟。 [0006]本发明的技 术方案如下： [0007]一种基于目标特征自学习的复杂电磁信号模拟发生方法， 通过人工神经网络算法 进行目标特征自学习， 建立自主升级迭代拟合的电磁信号网络模型， 实现复杂电磁信号的 高精度模拟。 [0008]优选地， 电磁信号网络模型包括编码器和解码器两个单 元。 [0009]优选地， 编码器和解码器单 元均采用全连接人工神经网络技 术。说　明　书 1/3 页 3 CN 113987924 A 3