基于深度学习的雷达辐射源型号识别方法

• 作者: 旷生玉 杨玲 雷涛
• 来源期刊: 电子信息对抗技术
• 学科: 工学
• 关键词: 辐射源型号识别 深度学习 受限玻尔兹曼机 深度置信网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 信号/信息处理
• 页码范围: 29-34
• 页数: 6页
• 分类号: TN971.1
• 字数: 3851字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2230.2019.04.006

摘要

针对传统雷达辐射源型号识别依赖专家经验构建识别模型,识别特征粗放、不完备,难以准确识别复杂体制雷达的问题,提出了一种基于深度学习的雷达辐射源型号识别方法.首先对时域波形数据降维、对齐、采样等预处理;然后采用受限玻尔兹曼机(RBM)和深度置信网络(DBN)模型训练样本;最后分别采用K最近邻(KNN)、随机森林(RF)、支持向量机(SVM)三种分类器完成识别任务.实验采用9类雷达辐射源型号的外场数据验证算法的有效性,实验表明基于深度学习的雷达辐射源型号识别方法取得了较好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨玲		4	10	2.0	3.0
2	旷生玉		7	16	3.0	3.0
3	雷涛		4	9	1.0	3.0