基于深度置信网络和双谱对角切片的低截获概率雷达信号识别

• 作者: 周一鹏 周东青 王星 田元荣 陈忠辉
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 低截获概率雷达 深度学习 深度置信网络 双谱对角切片 受限玻尔兹曼机
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 研究简报
• 页码范围: 2972-2976
• 页数: 5页
• 分类号: TN97
• 字数: 3106字
• 语种: 中文
• DOI: 10.11999/JEIT160031

摘要

基于深度置信网络(DBN)对信号双谱对角切片(BDS)结构特征进行学习,实现低截获概率(LPI)雷达信号识别.该方法首先建立基于受限玻尔兹曼机(RBM)的DBN模型,对LPI雷达信号的BDS数据进行逐层无监督贪心学习,然后运用后向传播(BP)机制在有监督学习方式下根据学习误差对DBN模型参数进行微调,最后基于该BDS-DBN模型实现未知信号的分类和识别.理论分析和仿真结果表明,信噪比高于8 dB时,基于BDS和DBN的识别方法对调频连续波(FMCW),Frank,Costas,FSK/PSK 4类LPI信号的综合识别率保持在93.4%以上,高于传统的主成分分析加支持向量机法(PCA-SVM)和主成分分析加线性判别分析法(PCA-LDA).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王星	空军工程大学航空航天工程学院	108	502	11.0	16.0
2	田元荣	空军工程大学航空航天工程学院	10	75	6.0	8.0
3	周一鹏	空军工程大学航空航天工程学院	21	114	6.0	10.0
4	周东青	空军工程大学航空航天工程学院	26	170	7.0	12.0