基于改进CLDNN的辐射源信号识别

作者：孙艺聪; 田润澜; 王晓峰; 董会旭; 戴普

来源：系统工程与电子技术, 2021, 43(01): 42-47.

• 辐射源信号识别
• 深度学习
• 卷积长短时深度神经网络
• 时间序列

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network,CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。

• 单位
  中国人民解放军空军航空大学