基于卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别

摘要：

针对人工提取雷达辐射源信号特征耗时长、特征不明显等问题,提出一种基于深度学习卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别方法.该方法通过快速离散分数傅里叶变换提取信号的模糊函数主脊,并将模糊函数主脊极坐标域的二维时频图作为卷积神经网络的输入,实现对不同雷达信号的分选识别.仿真实验结果表明:新方法不仅在信噪比为0 dB以上保持100％的识别率,在-6 dB时识别准确率也稳定在90％以上;相对于传统的雷达信号识别方法和其他深度学习模型识别方法,在识别率和鲁棒性上均有较大提升,具有一定的工程应用价值.

关键词：雷达辐射源信号识别;深度学习;卷积神经网络;模糊函数主脊

所属期刊栏目：42

分类号：TN974

资助基金：国家自然科学基金项目61561028

在线出版日期：2021-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1680-1689