基于一维自步卷积神经网络的复杂雷达辐射源识别方法

作者：武斌; 袁士博; 李鹏; 王钊; 张葵; 荆泽寰; 殷雪凤

来源：2020-09-15, 中国, CN202010964953.5.

本发明提供了一种基于一维自步卷积神经网络的复杂雷达辐射源识别方法,解决了现有技术对雷达信号需要进行维度变换处理和识别率低的问题。实现方案包括：采集雷达辐射源信号制作数据集；数据集划分为训练集、验证集；构建一维自步卷积神经网络；设置自步样本训练策略并使用训练集训练网络；将测试集的数据输入到训练好的一维自步卷积神经网络中,输出整体测试信号的识别率。本发明构建的一维自步卷积神经网络,结构简单,参数量少,可直接对一维雷达辐射源时域信号特征提取,不需要维度变换,实时性好。同时本发明采用自步样本训练策略,使网络在训练过程中尽可能接近最优点,提高了识别率。本发明可用于复杂电磁环境下的雷达辐射源识别。

• 单位
  西安电子科技大学