强激光与粒子束

作者：郭恩泽, 刘正堂, 崔博, 刘国彬, 史航宇, 蒋旭,

关键词：压缩残差网络, 时频分析, 雷达辐射源识别, 深度学习, 扩张卷积,

针对低信噪比条件下，现有的雷达辐射源信号识别方法存在识别正确率低、时效性差的问题，提出了一种基于压缩残差网络的雷达辐射源信号识别方法。首先，利用Choi-Williams分布的时频分析方法将时域信号转换为二维时频图像；然后，根据应用场景特点，选择卷积神经网络（Convolutional Neural Networks, CNN）“压缩”范围；最后，构建压缩残差网络来自动提取图像特征并完成分类。仿真实验结果表明，在同等体量的设计下，与当前较为常用的标准CNN以及ResNet模型相比，所提模型能够降低信号识别运行时间约88%，在信噪比为−14 dB条件下对14种雷达辐射源信号的平均识别率高约5%。提供了一种高效的雷达辐射源信号智能识别方法，具有潜在的工程应用前景。

来源：2024年第4期

《强激光与粒子束》期刊编辑部

查看强激光与粒子束杂志2024年第4期