-
题名基于二值神经网络的辐射源信号识别方法
- 1
-
-
作者
王慧赋
梅明飞
齐亮
柴恒
陶诗飞
-
机构
南京理工大学电子工程与光电技术学院
南湖实验室
中国船舶集团有限公司第七二三研究所
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2024年第11期3912-3919,共8页
-
基金
海洋防务基金资助课题。
-
文摘
针对用于辐射源信号识别的神经网络存在参数冗余、运算量庞大等问题,提出一种基于二值神经网络的辐射源信号识别方法。该方法指出利用卷积层效用值衡量神经网络卷积层的重要性,根据卷积层效用值的大小,将重要的卷积层保留为实值,其余卷积层进行二值化处理。实验结果表明,在信噪比大于-9 dB时,采用该方法得到的二值神经网络的信号识别准确率相比于实值卷积神经网络降低了0.5%,而网络参数内存大小降低了83.4%,网络运算次数降低了83.8%,网络运算复杂度降低了85.8%,易于部署在各种硬件平台上。
-
关键词
辐射源信号识别
二值神经网络
卷积层效用值
网络复杂度
-
Keywords
radiation source signal recognition
binary neural network
convolution layer utility value
network complexity
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于卷积神经网络的雷达辐射源稳健识别方法
被引量：1
- 2
-
-
作者
郭林昱
杨新权
匡银
文伟
-
机构
中国空间技术研究院西安分院
-
出处
《空间电子技术》
2023年第6期125-130,共6页
-
基金
国家重点实验室基金(编号:2021-WDKY-SYS-DN-11)。
-
文摘
针对低信噪比下,基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高,因而处理复杂度高的问题,提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征,获得变换域的表征信号,将其作为卷积神经网络的输入,实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点,采用主成分分析方法对信号特征域进行降噪处理,提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能,通过理论分析及不同方法的实验对比,验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势,具有良好的工程实用性。
-
关键词
主成分分析
雷达辐射源信号识别
卷积神经网络
相位特征
-
Keywords
principal component analysis
radar radiation source signal recognition
convolutional neural network
phase feature
-
分类号
TN971
[电子电信—信号与信息处理]
V443
[电子电信—信息与通信工程]
-
