融合卷积特征与判别字典学习的低截获概率雷达信号识别

• 作者: 吴礼洋 呙鹏程
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 雷达信号 低截获 卷积神经网络 卷积特征 字典学习 信号识别
• 年，卷（期）: 2019,（9）
• 页码范围: 1881-1889
• 页数: 9页
• 分类号: TN971+.1
• 字数: 6122字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2019.09.013

摘要

针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法.该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中.网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征.使用判别字典学习方法进行识别.仿真结果表明:通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献[4]、文献[24]、文献[25]、文献[26]中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴礼洋	空军通信士官学校地空导航系	1	0	0.0	0.0