一种基于集成学习的DBN模型分类方法

作者：郜丽鹏; 李勇^*

来源：哈尔滨商业大学学报(自然科学版), 2019, 35(05): 585-589.

DOI：10.19492/j.cnki.1672-0946.2019.05.016

• 信号分类
• 电子侦察
• 集成学习
• 深度信念网络
• 特征抽取
• 分类器

雷达信号分类是雷达信号电子侦察的关键技术之一,针对利用深度学习模型进行雷达信号分类时其性能不稳定的缺点,提出了一种基于集成学习的深度信念网络模型进行分类的方法.通过深度信念网络模型不同层间的特征抽取,通过不同的分类器得到不同的分类结果,再将分类结果进行集成,得到最终的输出.待分类的雷达信号由12部雷达产生,包括常规、参差、频率捷变和抖动四种雷达.仿真结果表明,该模型的分类错误率较低,鲁棒性较好.

• 单位
  哈尔滨工程大学