基于扩张残差网络的雷达辐射源信号识别OA北大核心CSCDCSTPCD
Radar Emitter Signal Recognition Based on Dilated Residual Network
针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2％,对时频图像特征相似的类LFM(Linear Frequency Modulation)信号的整体识别正确率超过95％.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.
秦鑫;黄洁;查雄;骆丽萍;胡德秀
中国人民解放军战略支援部队信息工程大学,河南郑州450001中国人民解放军战略支援部队信息工程大学,河南郑州450001中国人民解放军战略支援部队信息工程大学,河南郑州450001中国人民解放军战略支援部队信息工程大学,河南郑州450001中国人民解放军战略支援部队信息工程大学,河南郑州450001
信息技术与安全科学
新体制雷达雷达信号识别时频分析图像预处理深度学习扩张残差网络
《电子学报》 2020 (3)
456-462,7
国家自然科学基金(No.61703433)
评论