-
题名基于密集连接卷积网络的雷达辐射源信号分选
被引量：3
- 1
-
-
作者
齐美彬
程佩琳
靳学明
张什永
项厚宏
-
机构
合肥工业大学计算机与信息学院
中国电子科技集团公司第三十八研究所
-
出处
《雷达科学与技术》
北大核心
2022年第6期635-642,共8页
-
文摘
针对现代战场电磁环境下复杂调制雷达信号分选准确率低的问题,本文提出一种基于密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet)的雷达辐射源信号分选算法。该算法采用脉冲描述字(Pulse Description Word,PDW)参数与脉内参数相结合作为分选特征,并对特征参数进行差值预处理生成训练数据,使用一维DenseNet网络进行分选。采用本文预处理方法可以有效提取特征间的相关性差异,同时弥补脉间参数PDW对脉内调制信息的缺失。实验结果表明,该方法能有效实现复杂雷达辐射源信号的分选,在0 dB的信噪比下可以达到98%以上的分选准确率。
-
关键词
雷达信号分选
脉间特征
脉内特征
密集神经网络
-
Keywords
radar signal sorting
inter-pulse feature
intra-pulse feature
DenseNet
-
分类号
TN971
[电子电信—信号与信息处理]
-
-
题名基于脉间特征深度学习的雷达辐射源识别
被引量：3
- 2
-
-
作者
郑超凡
吴昊
郝云飞
柳征
-
机构
国防科技大学电子科学学院
[
-
出处
《信号处理》
CSCD
北大核心
2020年第8期1187-1195,共9页
-
基金
湖南省自然科学基金创新群体项目(2019JJ10004)。
-
文摘
多功能雷达在复杂程序调度下,发射信号参数呈现取值范围宽、捷变速度快、变化随机性强等特点,非合作接收方难以对其建立有效的信号模型,给电子侦察系统的雷达辐射源识别带来严峻挑战。本文提出一种基于深度学习的复杂体制雷达辐射源识别方法,利用大样本全脉冲数据形成脉间参数变化的图像特征表示,从宏观上揭示雷达辐射源隐含的波形设计机理,并设计了基于AlexNet网络的图像特征深度学习网络开展辐射源识别,实测数据实验表明了本文的方法对一定时间跨度内的有限部同型多功能雷达具有良好的识别性能,为多功能雷达辐射源智能个体识别提供了新的解决思路。
-
关键词
多功能雷达
脉间特征
深度学习
辐射源识别
-
Keywords
multiple function radar
inter-pulse feature
deep learning
emitter identification
-
分类号
TN974
[电子电信—信号与信息处理]
-
-
题名雷达信号分选技术研究综述
被引量：10
- 3
-
-
作者
吴惟诚
潘继飞
杨丽
-
机构
电子工程学院
-
出处
《飞航导弹》
北大核心
2016年第12期71-76,共6页
-
基金
国防预研基金项目(41101020207)
-
文摘
信号分选是雷达侦察技术与信号处理技术中的关键步骤之一,通过提取雷达辐射源特征,完成对信号的分选识别,并判断其威胁等级实施告警,为战场决策提供信息支撑。分析了雷达技术的快速发展对信号分选技术带来的严峻挑战,介绍了传统的基于脉间参数特征分选方法的优缺点,以及当前主流的基于脉内调制特征和个体特征分选的实现方法。针对基于雷达基本特征参数分选技术存在的问题,提出了一种基于雷达信号波形匹配的分选方法。
-
关键词
信号分选
脉间特征参数
脉内细微特征
波形匹配
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
