基于时频分析和CNN的雷达辐射源识别算法
黄智
王俊杰
石国良
1.海军工程大学 武汉 4300002.海军工程大学 武汉 4300003.海军工程大学 武汉 430000
摘要：针对当前运用卷积神经网络识别雷达辐射源时输入特征图像大,识别速度未知的问题,结合时频分析并设计多层卷积神经网络提高其在辐射源识别上的性能表现.在训练阶段,首先将时域信号转换为时频图,利用网络来自动提取时频图本质特征并构造Softmax分类器完成辐射源类型预测,接着通过梯度下降算法调整网络参数.在测试阶段,仿真实验设置6种辐射源信号验证算法的性能,并进一步探讨模型的识别效率,结果表明算法综合性能较优,在-3dB～9dB的信噪比下可以100％分类辐射源信号,并且对1200个测试样本的平均识别时间为5.82s.
关键词：雷达辐射源识别时频图卷积神经网络深层网络
分类号：TN973(电子对抗（干扰及抗干扰）)
资助基金：国家自然科学基金(61501484)国家高技术研究发展计划（863计划）(2014AA7014061)
论文发表日期：2020-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 24-28 )
英文信息