【摘要】：針對傳統(tǒng)依靠于人工經(jīng)驗提取雷達(dá)輻射源特征方法的不足,提出了一種新穎的基于聯(lián)合深度時頻特征的輻射源識別算法.首先將時域信號變換到二維時頻域,并利用隨機(jī)投影和主成分分析方法分別從維持子空間和能量角度對時頻圖像降維;接著在預(yù)訓(xùn)練階段,利用無標(biāo)簽的樣本信號層級訓(xùn)練深度模型,再根據(jù)類別信息精調(diào)網(wǎng)絡(luò)參數(shù);最后,構(gòu)造了邏輯回歸分類來完成識別任務(wù).仿真實驗中利用6種輻射源信號驗證了提出算法的有效性,結(jié)果表明,聯(lián)合深度特征更加有助于提高識別準(zhǔn)確度,算法運行更加高效.
[Abstract]:Aiming at the shortcoming of the traditional method of extracting radar emitter features based on artificial experience, a novel emitter recognition algorithm based on joint depth time-frequency features is proposed. Firstly, the time domain signal is transformed into two dimensional time-frequency domain, and then the dimension of the time-frequency image is reduced from the maintenance subspace and the energy angle by the methods of stochastic projection and principal component analysis, and then in the pre-training stage, Using the untagged sample signal level training depth model, the network parameters are carefully adjusted according to the category information. Finally, the logical regression classification is constructed to complete the recognition task. The effectiveness of the proposed algorithm is verified by using six emitter signals in simulation experiments. The results show that the combined depth feature is more helpful to improve the recognition accuracy and the algorithm runs more efficiently.
【作者單位】： 海軍工程大學(xué)電子工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61501484) 國家“863”高技術(shù)研究發(fā)展計劃資助項目(2014AA7014061)
【分類號】：TN957.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 關(guān)欣,何友,衣曉;一種新的雷達(dá)輻射源識別算法[J];宇航學(xué)報;2005年05期

2 陳根華,楊紹全;特定輻射源識別方法的研究[J];航天電子對抗;2005年02期

3 李楠;曲長文;蘇峰;平殿發(fā);;灰色關(guān)聯(lián)理論在輻射源識別中的應(yīng)用[J];系統(tǒng)仿真學(xué)報;2009年24期

4 黃淵凌;鄭輝;萬堅;;特定輻射源識別的信息論描述[J];西安電子科技大學(xué)學(xué)報;2012年06期

5 紀(jì)彥星;曹俊紡;陳建軍;孟曉琳;;基于精細(xì)分析的輻射源識別軟件系統(tǒng)設(shè)計及實現(xiàn)[J];雷達(dá)與對抗;2010年02期

6 姚s，

本文編號：2284203