采用改进型AlexNet的辐射源目标个体识别方法

• 作者: 徐雄
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 广播式自动相关监视( ADS-B) 目标识别 深度学习 卷积神经网络 改进型 AlexNet
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 625-630
• 页数: 6页
• 分类号: TN973
• 字数: 3274字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2018.06.002

摘要

针对辐射源目标精确识别需求,结合以深度学习为代表的机器学习理论技术,提出将改进型AlexNet作为特征提取器,实现目标细微特征提取固化,形成智能化识别网络模型.以广播式自动相关监视( ADS-B)信号为实验对象,在机场实地采集了13个目标的ADS-B脉冲信号数据作为辐射源目标个体识别的训练和测试样本,利用AlexNet和改进的AlexNet验证了算法的有效性.结果表明,改进的AlexNet网络训练时间更快,综合识别率达到98. 32% .

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐雄		2	3	1.0	1.0