基于多级跳线残差网络的雷达辐射源识别

作者：张立民; 谭凯文^*; 闫文君; 张聿远

来源：系统工程与电子技术, 2022, 44(07): 2148-2156.

• 时频特征
• 辐射源识别
• 深度学习
• 多级跳线

针对复杂体制雷达辐射源的识别问题，提出了一种基于时频特征提取与多级跳线残差网络(multi-level jumper residual network, MLJ-RN)结合的识别方法。首先，计算辐射源信号的平滑伪Wigner-Ville时频分布生成时频图像以表达信号本质特征，将图像进行预处理以保留信号细微特征差异。然后，设计多级跳线连接的残差单元，在此基础上构造MLJ-RN,对时频图像相邻卷积层的细微特征进行学习和识别，并使用随机梯度下降法训练网络。最后，通过对网络进行参数优化，强化对信号的深层特征提取能力。仿真结果表明，信噪比为-5 dB时，该方法对12类雷达辐射源信号的整体识别概率达到95.1%,从而验证了该方法在低信噪比下识别雷达信号的有效性。