基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高神经网络对分布复杂的雷达信号类型的识别率,提出一种结合小波变换、互信息特征选择及神经网络的分类新方法.首先利用小波变换对信号进行特征提取,然后通过基于互信息的特征选择来对特征进行选择,最后把选择出的特征作为神经网络的训练样本对其进行辐射源类型的识别.仿真结果显示,该方法能够利用较少的特征值得到较高的识别正确率.
推荐文章
一种基于并行结构的雷达辐射源识别方法
并行结构
辐射源识别
脉冲模板序列
模糊识别
雷达辐射源音频信号声纹识别方法
雷达辐射源
音频信号
声纹识别
MFCC
DTW
未知雷达辐射源分选的一种新方法
雷达辐射源分选
Cr_2
Wpt_4
KFCM
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种新的雷达辐射源信号识别方法
来源期刊 微型机与应用 学科 工学
关键词 小波变换 雷达信号 特征选择 神经网络
年,卷(期) 2015,(12) 所属期刊栏目 人工智能
研究方向 页码范围 48-50,53
页数 4页 分类号 TP391
字数 2841字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘以安 江南大学物联网工程学院 114 862 15.0 23.0
2 章琴 江南大学物联网工程学院 2 12 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (28)
参考文献  (10)
节点文献
引证文献  (7)
同被引文献  (41)
二级引证文献  (15)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(2)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(3)
  • 二级引证文献(3)
2019(11)
  • 引证文献(2)
  • 二级引证文献(9)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
小波变换
雷达信号
特征选择
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术与网络安全
月刊
2096-5133
10-1543/TP
大16开
北京市海淀区清华东路25号(北京927信箱)
82-417
1982
chi
出版文献量(篇)
10909
总下载数(次)
33
总被引数(次)
35987
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导