基于CNN网络的跳频信号个体识别
梁策
郭英
李红光
1.空军工程大学信息与导航学院,西安,7100772.空军工程大学信息与导航学院,西安,7100773.空军工程大学信息与导航学院,西安,710077
摘要：针对传统跳频信号指纹特征提取只是利用深度学习进行分类的问题,利用CNN网络特征提取的特性,实现了一种基于CNN网络的对预处理后的跳频信号实现特征提取和分类网络模型.首先将收集的跳频信号进行短时傅里叶变换转换到跳频信号敏感的频域,将跳频信号频谱图作为CNN网络模型的输入,CNN网络通过多层卷积提取信号频域深层次特征,通过Batch Normalization、Callback函数的优化加快了网络的收敛速度,同时防止了过拟合现象,最终输出跳频信号的识别分类结果.对比实验结果表明,CNN网络的分类识别正确率较以往的方法更高,在信号信噪比越大的情况下,识别效果越好.
关键词：跳频信号CNN卷积神经网络多层卷积特征提取
分类号：TN975(电子对抗（干扰及抗干扰）)
资助基金：国家自然科学基金(61601500)国家自然科学基金(61871396)
论文发表日期：2020-06-25
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：6( 57-62 )
英文信息