隨著電磁環(huán)境日益復(fù)雜,新型體制雷達(dá)信號不斷涌現(xiàn),使得基于傳統(tǒng)參數(shù)的雷達(dá)信號識別無法滿足現(xiàn)代電子偵察的需求。已有的脈內(nèi)特征分析方法采用人工提取特征的方式對信號進行識別,計算量較大。因此,為適應(yīng)多樣化電磁環(huán)境,解決雷達(dá)信號識別上存在的問題,本文提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）的雷達(dá)輻射源識別方法。該方法自主學(xué)習(xí)雷達(dá)信號特征,將特征提取與目標(biāo)識別結(jié)合,實現(xiàn)“端到端”學(xué)習(xí)方式。本文具體研究內(nèi)容如下:（1）對雷達(dá)信號參數(shù)進行設(shè)計和分析,產(chǎn)生雷達(dá)數(shù)據(jù)源。對8類復(fù)雜雷達(dá)信號:線性調(diào)頻信號（LFM）、線性調(diào)頻連續(xù)波（LFMCW）信號、LFM-BC信號、Frank-LFM信號、S型NLFM信號、Costas編碼信號、P3碼編碼信號、FSK/PSK信號進行建模及其時域、頻域的波形仿真與分析。通過改變雷達(dá)信號模型中具有通信物理意義的參數(shù),為之后識別算法的研究提供數(shù)據(jù)基礎(chǔ)。（2）提出一種基于DCNN的單通道雷達(dá)輻射源識別算法。主要思想是:對8類雷達(dá)信號做短時傅里葉變換,將得到的頻譜圖進行數(shù)據(jù)增強和圖像預(yù)處理。針對雷達(dá)實部波形和頻譜圖分別作為輸入,設(shè)計不同的網(wǎng)絡(luò)模型,對DCNN的訓(xùn)練次數(shù)、學(xué)習(xí)率等參數(shù)... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

ReLU激活函數(shù)及其梯度圖

杭州電子科技大學(xué)碩士學(xué)位論文14圖2.9三層BP網(wǎng)絡(luò)結(jié)構(gòu)示意圖圖中可以看出輸入n個節(jié)點，輸出k個節(jié)點，隱層m個節(jié)點；ijv為第i個輸入層到第j個隱層的權(quán)重，jk為第j個隱層到第k個輸出層的權(quán)重。圖2.10為BP網(wǎng)絡(luò)的計算過程圖。給定輸入向量和目標(biāo)輸出e是否在誤差允許范圍內(nèi)求隱含層，輸出層各單元的輸出求目標(biāo)值和實際輸出值e訓(xùn)練結(jié)束，固定權(quán)值和閾值計算網(wǎng)絡(luò)層中神經(jīng)元的誤差求梯度誤差更新權(quán)值是否前向傳播過程反向傳播過程初始化圖2.10BP網(wǎng)絡(luò)計算過程示意圖2.3分類算法概述全連接層在CNN中充當(dāng)“分類器”的角色，完成樣本的分類。網(wǎng)絡(luò)結(jié)構(gòu)中的卷積、池化層和非線性激活函數(shù)是將原始數(shù)據(jù)映射至特征空間，而全連接層則是將CNN中學(xué)到的特征映射到標(biāo)記空間。全連接層可以看作是由11卷積核進

杭州電子科技大學(xué)碩士學(xué)位論文21助于遠(yuǎn)距離分辨目標(biāo)物體。該信號的數(shù)學(xué)表示為：()200(2)()()jftttstArectentT++=+，0tT(3.2)式中，1,0()0,ttTrectT=其他為矩形窗函數(shù)，()tArectT是s(t)的包絡(luò)，A為s(t)的幅度，t為LFM持續(xù)時間，T為LFM脈沖寬度，為LFM調(diào)頻斜率，0f為LFM起始頻率，0為LFM初始相位，n(t)為噪聲信號。LFM瞬時頻率是隨時間t的改變而改變，數(shù)學(xué)表達(dá)式表示為：0f(t)=f+t0tT(3.3)線性調(diào)頻信號的調(diào)頻斜率是由下式得出：()end0=ffT(3.4)式中，endf為LFM終止頻率，end0ff為線性調(diào)頻信號頻率擺動浮動值，它的絕對值的值與信號帶寬B的值一樣。在仿真LFM時，用awgn函數(shù)給信號加白噪聲。仿真實驗中信噪比設(shè)置為0，則n(t)=0，信號中不添加白噪聲。LFM仿真參數(shù)：信號幅度A=1，起始頻率0f=3Ghz，采樣頻率1024sf=Mhz，脈沖寬度T=25s，信號帶寬B=20Mhz，初始相位0=0。LFM的時域波形圖和頻譜圖如圖3.1所示：圖3.1LFM的時域波形圖和頻譜圖3.2.2線性調(diào)頻連續(xù)波信號線性調(diào)頻連續(xù)波信號(LFMCW)是LFM的周期拓展，是在有限時間長度內(nèi)將多個LFM脈沖信號的時間連續(xù)組合在一起而成。假設(shè)一次觀測時間為obsT，T為一個LFM調(diào)制周期的時間長度，則觀測時間內(nèi)的LFM的調(diào)制脈沖數(shù)obsM=TT。LFMCW的信號模型為：2002mod(,)()biasjfttTstAe+++=(3.5)

【參考文獻】：
期刊論文
[1]基于短時傅里葉變換的雷達(dá)信號脈內(nèi)特征自動識別研究[J]. 晁嬌.  現(xiàn)代信息科技. 2019(01)
[2]深度學(xué)習(xí)在雷達(dá)中的研究綜述[J]. 王俊,鄭彤,雷鵬,魏少明.  雷達(dá)學(xué)報. 2018(04)
[3]基于AdaBoost和決策樹的雷達(dá)輻射源識別方法[J]. 唐曉婧,陳維高,席龍飛,慈言海.  電子信息對抗技術(shù). 2018(04)
[4]基于熵選擇小波包分量和PSO-BP神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷[J]. 丁雷,曾銳利,沈虹,梅檢民,曾榮.  軍事交通學(xué)院學(xué)報. 2018(04)
[5]一種深度學(xué)習(xí)的雷達(dá)輻射源識別算法[J]. 周志文,黃高明,高俊,滿欣.  西安電子科技大學(xué)學(xué)報. 2017(03)
[6]采用雙譜多類小波包特征的雷達(dá)信號聚類分選[J]. 梁華東,韓江洪.  光子學(xué)報. 2014(03)
[7]雷達(dá)輻射源信號雙譜二次特征提取方法[J]. 王占領(lǐng),張登福,王世強.  空軍工程大學(xué)學(xué)報(自然科學(xué)版). 2014(01)
[8]小波包能量譜-稀疏核主元在故障檢測中的應(yīng)用[J]. 朱丹,范玉剛,鄒金慧,吳建德,黃國勇.  計算機工程與應(yīng)用. 2014(21)
[9]雷達(dá)輻射源信號雙譜估計的物理意義及其輻射源個體識別[J]. 陳濤,姚文楊,翟孝霏,劉雅軒.  中南大學(xué)學(xué)報(自然科學(xué)版). 2013(01)
[10]基于EMD模糊熵和SVM的轉(zhuǎn)子系統(tǒng)故障診斷[J]. 王磊,紀(jì)國宜.  噪聲與振動控制. 2012(03)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究[D]. 呂恩輝.中國礦業(yè)大學(xué) 2019

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法研究[D]. 魯磊.西安科技大學(xué) 2019
[2]基于機器學(xué)習(xí)的雷達(dá)輻射源識別方法研究[D]. 李晨陽.西安電子科技大學(xué) 2018
[3]卷積神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用[D]. 姜亞東.電子科技大學(xué) 2018
[4]基于深度學(xué)習(xí)的雷達(dá)輻射源識別技術(shù)[D]. 冷鵬飛.中國艦船研究院 2018
[5]基于深度學(xué)習(xí)的雷達(dá)輻射源識別技術(shù)研究[D]. 井博軍.西安電子科技大學(xué) 2017
[6]深度學(xué)習(xí)下的雷達(dá)輻射源信號分類識別[D]. 趙敏.西安電子科技大學(xué) 2017
[7]雷達(dá)輻射源信號識別技術(shù)研究[D]. 姚珅.南京信息工程大學(xué) 2011



本文編號：3139163