HMM Radar signal classification method using HMM and neural networks

According to the present invention, provided is a radar signal classification method using HMM and neural networks. The method includes: a preprocessing process of normalizing RF data, which is radar signal information, and pulse repetition interval (PRI) data, extracting feature points and quantizing; an HMM learning process for learning hidden Markov models (HMM) for each change pattern of N1 number radio frequency and N2 number pulse repetition interval (PRI); and a process of constructing a fully connected multilayer neural network which calculates probability for M number characteristics using a fully connected multilayer neural network having a feature value according to the HMM, the minimum and maximum values of the RF, and the PRI. The present invention can provide a method for classifying radar signals using HMM and neural networks for constantly changing new types of radar signals. 본 발명에 따른 HMM과 신경망을 이용한 레이더 신호 분류 방법이 제공된다. 상기 방법은, 레이더 신호 정보인 RF 데이터와 펄스반복간격(PRI) 데이터를 정규화, 특징점 추출 및 양자화하는 전처리 과정; N1개의 무선 주파수(RF)와 N2개의 펄스반복간격(PRI)의 변화 형태마다 HMM(은닉 마코프 모델, hidden Markov model)을 학습하는 HMM 학습 과정; 및 상기 HMM에 따른 특징값, 상기 RF와 상기 PRI의 최소값 및 최대값을 갖는 완전연결 다층 신경망을 이용하여 M개의 특성에 대한 확률을 연산하는 완전연결 다층 신경망 구성 과정을 포함하고, 지속적으로 변화하는 새로운 형태의 레이더 신호에 대해, HMM과 신경망을 이용한 레이더 신호 분류 방법을 제공할 수 있다.