基于双CNN的雷达信号调制类型识别方法

作者：金丽洁; 武亚涛

来源：空天防御, 2022, 5(01): 66-70.

• 调制类型识别
• CNN
• 相位编码
• 识别准确率
• 深度学习

针对雷达工作波形复杂化、基于常规脉冲特征的雷达辐射源信号识别准确率下降的问题，提出双卷积神经网络（convolutional neural network,CNN）串联的网络结构，实现了9种常见雷达信号的分类识别。采用单个CNN结构时，可以准确识别其中4种调制类型，但是相位编码及其复合调制信号识别率低。这是由于相位编码中二进制相移键控（binary phase shift keying,BPSK）与四相相移键控（quadrature phase shift keying,QPSK）的时频特征具有相似性。本文采用双CNN串联的处理方式，其优势在于雷达信号调制参数不固定时，依然可以进行分类识别，具有较强适应性。仿真结果表明，当信噪比（signal-to-noise ratio,SNR）为0 dB时，9种调制信号的识别准确率高于95%。最后，通过仿真分析识别准确率与信噪比之间的关系，验证了该方法的可靠性.

• 单位
  南京电子技术研究所