基于改进UNet3+网络的雷达辐射源信号识别
李霜
董玮
董会旭
凌云飞
张歆东
1.吉林大学电子科学与工程学院,长春,1300122.空军航空大学航空作战勤务学院,长春,130022
摘要：针对传统识别辐射源信号的方法需要手动提取并选取特征、在低信噪比条件下难以准确识别信号的问题,提出了一种基于改进UNet3+网络的辐射源信号识别方法.通过删减UNet3+的网络层级,保留网络特征融合能力的同时降低了网络的复杂度,并引入注意力机制优化模型性能,构建了一个新的网络模型.通过对8种常见的雷达信号进行仿真实验,实验结果表明:改进模型的识别准确率达到96.63％,对比一些经典网络模型,训练总用时更短,在低信噪比条件下能更加有效识别辐射源信号,可以适应复杂的电磁环境.
关键词：雷达信号深度学习Unet3+注意力机制低信噪比
分类号：TN971.1(电子对抗（干扰及抗干扰）)
论文发表日期：2022-04-25
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( 55-60 )
英文信息