跨域迁移学习驱动的雷达信号调制识别方法及系统

1.一种跨域迁移学习驱动的雷达信号调制识别方法，其特征在于，包括：获取建筑物反射路径的时延特征值集合和背景噪声强度变化值集合；基于所述时延特征值集合和所述背景噪声强度变化值集合，生成多径传播参数和噪声分布参数，并根据预设的物理环境边界规则，对所述多径传播参数和所述噪声分布参数进行边界处理，以构建物理环境约束条件，所述物理环境约束条件包括时延边界阈值和噪声边界阈值；基于预存储的源域调制样本数据，重构基带信号，得到源域基带信号；根据所述多径传播参数中的时延量化值，计算对应的反射路径延迟量，将所述反射路径延迟量叠加至所述源域基带信号，得到携带建筑反射特性的失真信号；根据所述噪声分布参数，将随机噪声添加至所述失真信号，得到目标域模拟信号；利用所述物理环境约束条件，将所述源域基带信号和所述目标域模拟信号进行处理，得到所述目标域模拟信号的调制识别结果。 2.根据权利要求1所述的方法，其特征在于，基于预存储的源域调制样本数据，重构基带信号，得到源域基带信号，包括：从所述预存储的源域调制样本数据中提取出调制类型参数、符号映射参数以及脉冲形状参数；根据所述调制类型参数，确定调制阶数，以基于所述调制阶数确定每个调制符号对应的比特长度；基于所述比特长度，生成原始比特序列，并将所述原始比特序列划分为多个比特组，以生成离散比特序列；根据所述符号映射参数，为每个比特组分配对应的离散调制符号，以生成离散调制符号序列；根据所述脉冲形状参数，对所述离散调制符号序列进行脉冲成型滤波，得到基带波形；计算所述基带波形的载波频率偏移量，以根据所述载波频率偏移量，对所述基带波形进行补偿矫正，得到补偿后基带信号，将所述补偿后基带信号作为源域基带信号。 3.根据权利要求2所述的方法，其特征在于，计算所述基带波形的载波频率偏移量，以根据所述载波频率偏移量，对所述基带波形进行补偿矫正，得到补偿后基带信号，将所述补偿后基带信号作为源域基带信号，包括：基于所述脉冲形状参数，计算频谱中心频率，并将所述频谱中心频率作为基准载波频率值；从所述基带波形中提取出载波频率值，结合所述基准载波频率值，计算出频率补偿因子；基于所述频率补偿因子和所述基带波形的采样时间序列，计算所述基带波形中每个采样时刻的相位旋转角度，以将所述基带波形的每个复数采样值和对应的相位旋转角度进行乘积运算，得到频偏矫正信号；对所述频偏矫正信号进行补偿校正，生成补偿后基带信号，将所述补偿后基带信号作为源域基带信号。 4.根据权利要求1所述的方法，其特征在于，根据所述多径传播参数中的时延量化值，计算对应的反射路径延迟量，将所述反射路径延迟量叠加至所述源域基带信号，得到携带建筑反射特性的失真信号，包括：获取环境建筑物材质类型，并查询预设的建筑材质反射系数数据库，得到对应的反射衰减因子；将所述多径传播参数中每个反射路径对应的时延量化值分别与所述反射衰减因子进行加权计算，得到对应的反射路径延迟量；基于预设的多径反射阶数规则，将所述反射路径延迟量转换成时间轴偏移参数序列；对所述源域基带信号进行全波形复制，得到无损信号副本；基于所述时间轴偏移参数序列，对所述无损信号副本进行时间延迟操作，得到时间偏移信号；将所述时间偏移信号和所述源域基带信号进行叠加，得到携带建筑反射特性的失真信号。 5.根据权利要求1所述的方法，其特征在于，根据所述噪声分布参数，将随机噪声添加至所述失真信号，得到目标域模拟信号，包括：根据预设的强度振幅转换系数，对所述噪声分布参数进行线性缩放，得到噪声振幅基准值；根据预设的浮动比例参数，计算所述噪声振幅基准值的浮动边界值，在所述浮动边界值的范围内，进行噪声振幅值随机化生成操作，以生成随机噪声序列；根据所述失真信号的采样点数量，将所述随机噪声序列的长度进行调整，得到长度对齐的随机噪声序列；将所述长度对齐的随机噪声序列和所述失真信号进行时间对齐，得到同步噪声信号；将所述同步噪声信号和所述失真信号进行叠加，得到目标域模拟信号。 6.根据权利要求1所述的方法，其特征在于，利用所述物理环境约束条件，将所述源域基带信号和所述目标域模拟信号进行处理，得到所述目标域模拟信号的调制识别结果，包括：从所述源域基带信号的分段数据中提取出多个源域特征值，从所述目标域模拟信号的分段数据中提取出多个目标域特征值，并将所有源域特征值进行组合，得到源域特征向量集合，将所有目标域特征值进行组合，得到目标域特征向量集合；基于所述物理环境约束条件中的时延边界阈值，计算所述源域特征向量集合和所述目标域特征向量集合之间的最大允许分布偏移量；利用所述最大允许分布偏移量和预设比例系数，计算所述目标域模拟信号的特征值波动容忍范围，在所述特征值波动容忍范围内，对所述目标域特征向量集合进行调整，得到调整后目标域特征向量集合；对所述调整后目标域特征向量集合的进行调制模式匹配，得到所述目标域模拟信号的调制识别结果。 7.根据权利要求6所述的方法，其特征在于，利用所述最大允许分布偏移量和预设比例系数，计算所述目标域模拟信号的特征值波动容忍范围，在所述特征值波动容忍范围内，对所述目标域特征向量集合进行调整，得到调整后目标域特征向量集合，包括：将所述最大允许分布偏移量和预设比例系数进行乘积运算，得到目标域的特征波动容忍半径；对所述目标域特征向量集合进行特征维度分解，得到不同特征维度的数值序列，并计算每个数值序列的平均值，将所述平均值作为对应特征维度的中心值；根据所述特征波动容忍半径，计算每个特征维度的中心值的容忍上限值和容忍下限值，并将所有特征维度的容忍上限值和容忍下限值进行组合，得到目标域模拟信号的特征值波动容忍范围；在所述特征值波动容忍范围内，对每个数值序列进行边界约束处理，得到多个边界约束后的数值序列；将所有边界约束后的数值序列进行向量重构，生成调整后目标域特征向量集合。 8.一种跨域迁移学习驱动的雷达信号调制识别系统，其特征在于，包括：获取模块，用于获取建筑物反射路径的时延特征值集合和背景噪声强度变化值集合；构建模块，用于基于所述时延特征值集合和所述背景噪声强度变化值集合，生成多径传播参数和噪声分布参数，并根据预设的物理环境边界规则，对所述多径传播参数和所述噪声分布参数进行边界处理，以构建物理环境约束条件，所述物理环境约束条件包括时延边界阈值和噪声边界阈值；重构模块，用于基于预存储的源域调制样本数据，重构基带信号，得到源域基带信号；计算模块，用于根据所述多径传播参数中的时延量化值，计算对应的反射路径延迟量，将所述反射路径延迟量叠加至所述源域基带信号，得到携带建筑反射特性的失真信号；添加模块，用于根据所述噪声分布参数，将随机噪声添加至所述失真信号，得到目标域模拟信号；处理模块，利用所述物理环境约束条件，将所述源域基带信号和所述目标域模拟信号进行处理，得到所述目标域模拟信号的调制识别结果。 9.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1～7任一项所述的一种跨域迁移学习驱动的雷达信号调制识别方法。 10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1～7任一项所述的一种跨域迁移学习驱动的雷达信号调制识别方法。