小样本条件下雷达信号的生成与轻量化识别
李辉
王悦悦
魏坡
邹波蓉
王伟东
河南理工大学 物理与电子信息学院,河南 焦作 454000
摘要：目的 针对目前深度学习方法在雷达信号识别中需要海量数据且网络复杂、计算量大、设备要求高等问题,方法 提出一种联合改进CycleGAN和MobileNetV3-Small轻量化卷积神经网络的雷达信号识别算法.首先,选取8种常见的雷达信号类型构建时域序列,为了更好保留时频特征,在信号预处理阶段将其通过崔-威廉斯分布形成图像数据集,在数据集扩充阶段将图像数据集作为CycleGAN迁移网络的输入,约束指导目标图像的生成,以解决样本不足的问题;然后,在CycleGAN的生成器中引入U-Net结构和残差密集块并更改判别器的判别方式和损失函数,以解决数据集扩增过程中的特征模糊和梯度消失等问题;最后,在信号识别阶段,通过构建具有代表性的MobileNetV3-Small轻量化网络,完成识别验证任务.结果 图像生成网络CycleGAN的图像评价指标PSNR为39.74 dB,SSIM为0.95;MobileNet-Small信号识别网络模型迭代训练100次的参数量为1 538 942,总运行时间为2 152 s,FLOPs为127 351 188,准确率为99.30%.结论 本文算法生成的图像与真实样本相似度高、失真度小,在不以牺牲准确率为代价的前提下识别速度有很大提升,有效实现了小样本条件下雷达信号的高精度识别.
关键词：雷达信号识别崔-威廉斯分布残差密集块CycleGANMobileNetV3-Small
分类号：TN974(电子对抗（干扰及抗干扰）)
资助基金：国家自然科学基金(62101176)
论文发表日期：2024-10-28
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：10( 142-151 )
英文信息