文献类型：期刊文章

作　　者：王功明[1,2] 陈世文[1] 黄洁[1] 黄东华[1]

机构地区：[1]战略支援部队信息工程大学,河南郑州 [2]中国人民解放军93986部队,新疆和田

出　　处：《计算机科学与应用》

基　　金：国家自然科学基金资助项目(61703433),军队科研资助项目.

年　　份：2019

卷　　号：9

期　　号：9

起止页码：1761-1778

语　　种：中文

收录情况：IC、RCCSE、外刊、普通刊

摘　　要：针对当前雷达信号分选识别算法普遍存在的低信噪比下识别能力差、特征参数提取困难、分类器模型参数复杂等问题,提出了一种基于时频分析、深度学习和迁移学习融合模型的雷达信号自动分选识别算法。首先通过引入的多重同步压缩变换得到雷达信号的时频图像,然后利用灰度化、维纳滤波、双三次插值法和归一化等手段对时频图像进行预处理,最后基于迁移学习的方法,以GoogLeNet和ResNet模型为基础完成了对雷达信号的离线训练和在线识别。仿真结果表明,在信噪比为?6 dB时,该算法对9种雷达信号(CW, LFM, NLFM, BPSK, MPSK, Costas, LFM/BPSK, LFM/FSK, BPSK/FSK)的整体平均识别率可达93.4%,较常规人工提取算法具有更好的抗噪性和泛化能力。

关 键 词：雷达信号 分选识别 时频分析 深度学习  迁移学习  

分 类 号：TP39]