-
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]
-
-
题名一种脉间滑变雷达信号特征提取新方法
被引量：3
- 3
-
-
作者
潘继飞
姜秋喜
-
机构
电子工程学院安徽省电子制约技术重点实验室
-
出处
《电子信息对抗技术》
2011年第1期9-13,共5页
-
文摘
针对脉间滑变雷达信号特征提取技术难题,在分析脉间滑变雷达信号特性的基础上,提出了一种特征提取新方法。该方法通过提取产生脉间滑变雷达PRI的最小滑变间隔,经过二次分析处理,最终提取出能够表征脉间滑变雷达信号特性的衍生特征参数集。该方法克服了传统方法的缺陷,特别是当脉冲存在严重丢失的条件下,仍然能够有效提取出特征参数集。理论分析与计算机仿真结果均表明该方法切实可行。
-
关键词
脉间滑变
滑变间隔
衍生参数
特征提取
-
Keywords
inter-pulse sliding
sliding interval
derived parameters
feature extraction
-
分类号
TN971.1
[电子电信—信号与信息处理]
-
