基于ConvNeXt模型的雷达辐射源信号识别OA

针对雷达辐射源信号识别问题,提出一种基于ConvNeXt模型的识别算法。首先,由于不同调制方式的信号在时频域中具有不同的特征,因此将雷达辐射源信号的时频变换结果视为图像,并利用计算机视觉技术进行识别。其次,通过Choi-Williams分布(CWD)变换获得不同调制类型雷达信号的时频图像,对图像进行预处理。最后,使用ConvNeXt模型提取时频特征并识别雷达信号,解决低信噪比和有限样本条件下识别准确率不高的问题。实验表明,ConvNeXt模型具有更强的特征学习表征能力,有效提高16类信号的整体识别率,且对时频特性相近的6类信号(Frank、LFM、P1、P2、P3、P4)的识别精度更高。此外,该算法对小样本具有很好的鲁棒性。