基于压缩残差网络的雷达辐射源识别方法研究OA北大核心CSTPCD
Radar radiation source recognition method based on compressed residual network
针对低信噪比条件下,现有的雷达辐射源信号识别方法存在识别正确率低、时效性差的问题,提出了一种基于压缩残差网络的雷达辐射源信号识别方法.首先,利用Choi-Williams分布的时频分析方法将时域信号转换为二维时频图像;然后,根据应用场景特点,选择卷积神经网络(Convolutional Neural Networks,CNN)"压缩"范围;最后,构建压缩残差网络来自动提取图像特征并完成分类.仿真实验结果表明,在同等体量的设计下,与当前较为常用的标…查看全部>>
Aiming at the problems of low recognition accuracy and poor timeliness of existing radar emitter signal recognition methods under the condition of low SNR,this paper proposes a radar emitter signal recognition method based on compressed residual network.Using Choi-Williams distribution for reference,the time-domain signal is converted into a two-dimensional time-frequency image,which improves the effectiveness of signal essential feature extraction.According…查看全部>>
郭恩泽;刘正堂;崔博;刘国彬;史航宇;蒋旭
中国人民解放军 63893 部队,河南洛阳 471003中国人民解放军 63893 部队,河南洛阳 471003中国人民解放军 63893 部队,河南洛阳 471003中国人民解放军 63893 部队,河南洛阳 471003中国人民解放军 63896 部队,河南洛阳 471003中国人民解放军 63893 部队,河南洛阳 471003
电子信息工程
压缩残差网络时频分析雷达辐射源识别深度学习扩张卷积
compressed residual networktime-frequency analysisradar radiation source recognitiondeep learningdilateded convolution
《强激光与粒子束》 2024 (4)
基于天基雷达的空间多目标跟踪调度策略优化
113-122,10
国家自然科学基金项目(61571043)
评论