針對(duì)分類網(wǎng)絡(luò)難以有效擴(kuò)展分類數(shù)量的問(wèn)題,提出了一種基于深層殘差網(wǎng)絡(luò)和三元組損失的雷達(dá)信號(hào)識(shí)別方法。該方法首先將雷達(dá)信號(hào)作為深層殘差網(wǎng)絡(luò)的輸入,通過(guò)一維卷積將雷達(dá)信號(hào)映射到128維歐幾里得空間,得到信號(hào)的特征向量;然后利用三元組損失函數(shù)調(diào)整網(wǎng)絡(luò)參數(shù),使得同類信號(hào)之間特征向量的歐式距離減小而不同類別信號(hào)之間的距離增大;最后通過(guò)基于樣本庫(kù)的識(shí)別算法實(shí)現(xiàn)對(duì)信號(hào)的分類識(shí)別。實(shí)驗(yàn)結(jié)果表明,相較于傳統(tǒng)的分類網(wǎng)絡(luò),該方法在保證識(shí)別準(zhǔn)確率的同時(shí)使得模型能夠?qū)Ψ诸悢?shù)量進(jìn)行有效擴(kuò)展。 

【文章來(lái)源】：系統(tǒng)工程與電子技術(shù). 2020,42(11)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

一維卷積運(yùn)算過(guò)程

殘差單元

幾何圖形構(gòu)成的三元組

【參考文獻(xiàn)】：
期刊論文
[1]基于深層卷積神經(jīng)網(wǎng)絡(luò)和雙譜特征的雷達(dá)信號(hào)識(shí)別方法[J]. 劉贏,田潤(rùn)瀾,王曉峰.  系統(tǒng)工程與電子技術(shù). 2019(09)
[2]基于深度多尺度一維卷積神經(jīng)網(wǎng)絡(luò)的雷達(dá)艦船目標(biāo)識(shí)別[J]. 郭晨,簡(jiǎn)濤,徐從安,何友,孫順.  電子與信息學(xué)報(bào). 2019(06)
[3]2019 IEEE計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議（英文）[J].   智能系統(tǒng)學(xué)報(bào). 2018(06)
[4]導(dǎo)數(shù)約束平滑條件下基于模糊函數(shù)特征的雷達(dá)輻射源信號(hào)識(shí)別方法[J]. 許程成,周青松,張劍云,諶詩(shī)娃.  電子學(xué)報(bào). 2018(07)
[5]采用改進(jìn)型AlexNet的輻射源目標(biāo)個(gè)體識(shí)別方法[J]. 徐雄.  電訊技術(shù). 2018(06)
[6]基于能量聚焦效率檢驗(yàn)的信號(hào)脈內(nèi)調(diào)制識(shí)別[J]. 胡國(guó)兵,徐立中,徐淑芳,吳珊珊,高燕.  通信學(xué)報(bào). 2013(06)



本文編號(hào)：3552460