一种基于对抗样本防御的雷达信号深度特征提取方法、系统、电子设备及存储介质

1.一种基于对抗样本防御的雷达信号深度特征提取方法，其特征在于，包括：采集航天器合成孔径雷达的原始回波信号，将所述原始回波信号转换为时频特征图；从所述时频特征图中并行提取脉内调制特征的瞬时频率变化曲线和脉间重复间隔的累积差值谱，将所述瞬时频率变化曲线的导数序列与所述累积差值谱的包络特征进行矩阵拼接，生成特征组合矩阵；利用极化雷达组接收欺骗干扰信号，对所述欺骗干扰信号的水平方向信号与垂直方向信号执行复相干叠加运算，生成不受极化影响的信号数据体；将所述特征组合矩阵与所述不受极化影响的信号数据体输入特征解耦对抗网络，通过互信息最大化约束分离出代表弹头微小运动的目标特征数据；将所述目标特征数据输入多尺度局部注意力模块，利用多层次感知范围的卷积核组并行扫描所述目标特征数据的空间结构，提取弹体运动激发的多频段特征分量；根据各卷积核输出特征图的功率熵分布计算自适应权重系数，按所述自适应权重系数对所述多频段特征分量进行像素级融合，并对融合后的特征图执行极化通道能量校正处理，消除相干叠加导致的通道间能量差异，以输出具有微多普勒特征增强特性的抗干扰指纹特征。 2.根据权利要求1所述的方法，其特征在于，所述根据各卷积核输出特征图的功率熵分布计算自适应权重系数，按所述自适应权重系数对所述多频段特征分量进行像素级融合，并对融合后的特征图执行极化通道能量校正处理，消除相干叠加导致的通道间能量差异，以输出具有微多普勒特征增强特性的抗干扰指纹特征，包括：计算各卷积核输出特征图的功率熵分布，所述功率熵分布通过统计每个特征图中各像素点的能量分布离散程度获得；根据所述功率熵分布计算每个特征图对应的自适应权重系数；按照所述自适应权重系数对多频段特征分量中各特征图的每个像素位置进行加权求和计算，生成初步融合特征图；对所述初步融合特征图执行极化通道能量校正处理，通过调整各极化通道的能量分布消除相干叠加导致的通道间能量差异，使不同极化通道间的能量水平保持一致，输出经过能量校正的初步融合特征图作为具有微多普勒特征增强特性的抗干扰指纹特征。 3.根据权利要求2所述的方法，其特征在于，所述对所述初步融合特征图执行极化通道能量校正处理，通过调整各极化通道的能量分布消除相干叠加导致的通道间能量差异，使不同极化通道间的能量水平保持一致，输出经过能量校正的初步融合特征图作为具有微多普勒特征增强特性的抗干扰指纹特征，包括：计算所述初步融合特征图中的每个极化通道的能量均值，作为各极化通道的当前能量水平，并基于所有极化通道的当前能量水平确定统一的目标能量水平；根据各极化通道的当前能量水平与所述目标能量水平的比值计算所述极化通道对应的能量调整系数；基于所述能量调整系数对各极化通道中的像素值进行缩放处理，消除相干叠加导致的通道间能量差异，使各极化通道的能量水平达到一致；将经过能量矫正后的初步融合特征图作为具有微多普勒特征增强特性的抗干扰指纹特征输出。 4.根据权利要求1所述的方法，其特征在于，所述将所述特征组合矩阵与所述不受极化影响的信号数据体输入特征解耦对抗网络，通过互信息最大化约束分离出代表弹头微小运动的目标特征数据，包括：将所述特征组合矩阵与所述不受极化影响的信号数据体作为输入数据输入到特征解耦对抗网络中；通过所述特征解耦对抗网络的编码器对所述特征组合矩阵和所述不受极化影响的信号数据体进行非线性变换和维度提升处理，提取深层的高维特征表示；在所述特征解耦对抗网络的解耦层中对所述高维特征表示进行特征分离操作，获得多个特征子集；通过互信息最大化约束计算每个特征子集与输入数据之间的互信息值，选择具有最大互信息值的特征子集作为代表弹头微小运动的目标特征数据。 5.根据权利要求1所述的方法，其特征在于，所述将所述目标特征数据输入多尺度局部注意力模块，利用多层次感知范围的卷积核组并行扫描所述目标特征数据的空间结构，提取弹体运动激发的多频段特征分量，包括：将所述目标特征数据输入多尺度局部注意力模块；在所述多尺度局部注意力模块中，使用具有不同感知范围的卷积核组对所述目标特征数据进行并行卷积运算，所述卷积核组包含三种不同尺寸的卷积核；通过最小尺寸卷积核扫描所述目标特征数据的精细空间结构，提取表征高频运动细节的高频特征分量；通过中等尺寸卷积核扫描所述目标特征数据的局部空间结构，提取表征中频运动变化的中频特征分量；通过最大尺寸卷积核扫描所述目标特征数据的全局空间结构，提取表征低频运动趋势的低频特征分量；将所述高频特征分量、中频特征分量和低频特征分量组合，构成弹体运动激发的多频段特征分量。 6.根据权利要求1所述的方法，其特征在于，所述利用极化雷达组接收欺骗干扰信号，对所述欺骗干扰信号的水平方向信号与垂直方向信号执行复相干叠加运算，生成不受极化影响的信号数据体，包括：利用极化雷达组的水平极化通道接收欺骗干扰信号的水平方向信号，同时通过垂直极化通道接收所述欺骗干扰信号的垂直方向信号；对所述水平方向信号和垂直方向信号分别进行相位对齐处理，确保两个信号在时间上完全同步；将相位对齐后的水平方向信号和垂直方向信号进行复数乘法运算，获得表征两信号相干特性的乘积结果，同步对所述乘积结果执行复数加法运算，获得复合复数信号；计算所述复合复数信号的模值得到表征信号强度的幅度信息，基于所述幅度信息生成不受极化影响的信号数据体。 7.根据权利要求1所述的方法，其特征在于，所述从所述时频特征图中并行提取脉内调制特征的瞬时频率变化曲线和脉间重复间隔的累积差值谱，将所述瞬时频率变化曲线的导数序列与所述累积差值谱的包络特征进行矩阵拼接，生成特征组合矩阵，包括：从所述时频特征图中并行执行第一提取过程和第二提取过程，所述第一提取过程识别所述时频特征图中每个脉冲周期内能量最强的频率点，并按时间顺序连接这些频率点形成瞬时频率变化曲线；所述第二提取过程检测所述时频特征图中脉冲能量峰值出现的时间位置并计算连续脉冲峰值时间间隔的差值并对这些差值进行累积求和生成累积差值谱；计算所述瞬时频率变化曲线上每个点的变化率以生成导数序列，同步识别并连接所述累积差值谱中的极大值点形成包络特征；将所述导数序列与所述包络特征作为两个一维数组进行横向或纵向的矩阵拼接，生成特征组合矩阵。 8.一种基于对抗样本防御的雷达信号深度特征提取系统，其特征在于，包括：采集模块，用于采集航天器合成孔径雷达的原始回波信号，将所述原始回波信号转换为时频特征图；第一生成模块，用于从所述时频特征图中并行提取脉内调制特征的瞬时频率变化曲线和脉间重复间隔的累积差值谱，将所述瞬时频率变化曲线的导数序列与所述累积差值谱的包络特征进行矩阵拼接，生成特征组合矩阵；第二生成模块，用于利用极化雷达组接收欺骗干扰信号，对所述欺骗干扰信号的水平方向信号与垂直方向信号执行复相干叠加运算，生成不受极化影响的信号数据体；分离模块，用于将所述特征组合矩阵与所述不受极化影响的信号数据体输入特征解耦对抗网络，通过互信息最大化约束分离出代表弹头微小运动的目标特征数据；提取模块，用于将所述目标特征数据输入多尺度局部注意力模块，利用多层次感知范围的卷积核组并行扫描所述目标特征数据的空间结构，提取弹体运动激发的多频段特征分量；输出模块，用于根据各卷积核输出特征图的功率熵分布计算自适应权重系数，按所述自适应权重系数对所述多频段特征分量进行像素级融合，并对融合后的特征图执行极化通道能量校正处理，消除相干叠加导致的通道间能量差异，以输出具有微多普勒特征增强特性的抗干扰指纹特征。 9.一种电子设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的基于对抗样本防御的雷达信号深度特征提取方法的步骤。 10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时能够实现如权利要求1至7中任一项所述的基于对抗样本防御的雷达信号深度特征提取方法。