基于SAMME+ResNet的多相码信号识别方法

作者：孙艺聪; 田润澜; 董会旭; 孙亮

来源：系统工程与电子技术, 2020, 42(10): 2239-2245.

• 多相码
• 信号识别
• 集成学习
• 残差神经网络

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function,SAMME)算法和残差神经网络(residual neural network,ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。

• 单位
  中国人民解放军空军航空大学