基于多学习单元卷积神经网络的雷达辐射源信号识别

普运伟,郭江,刘涛涛,吴海潇

昆明理工大学

收稿日期:2021-04-01修回日期:2021-06-20出版日期:2021-12-28发布日期:2021-11-16
通讯作者:普运伟E-mail:puyunwei@126.com

基金资助:雷达辐射源信号模糊能量分布特征提取及其分选机制

A Recognition Method for Radar Emitter Signals Based on Convolutional Neural Network with Multiple Learning Units

Received:2021-04-01Revised:2021-06-20Online:2021-12-28Published:2021-11-16


Supported by:Study on the features extraction of ambiguity energy distribution and theirs deinterleaving mechanism for radar emitter signals

摘要/Abstract

摘要： 现有基于人工提取特征的复杂体制雷达辐射源信号识别方法时效性低、识别准确率不佳。为此，提出了一种基于多学习单元卷积神经网络的识别新方法。首先对辐射源信号的模糊函数进行高斯平滑以校正噪声带来的毛刺与畸变，然后提取其正交切片作为进一步的特征提取对象，最后构建多学习单元卷积神经网络，学习和提取正交切片深层、泛在的特征，并通过Softmax分类器进行分类识别。仿真实验表明，此方法在信噪比为-2dB时对六类典型雷达信号的整体平均识别率均保持在99.86%以上，即便是在-6dB环境中，识别率也可达到88.50%，验证了所提方法在极低信噪比条件下良好的性能和可行性。
中图分类号:
TN974

引用本文

普运伟 郭江 刘涛涛 吴海潇. 基于多学习单元卷积神经网络的雷达辐射源信号识别[J]. 北京邮电大学学报, 2021, 44(06): 77-85.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4849