一种改进的DNN算法在雷达信号分选中的应用

• 作者: 金炜东 陈春利
• 来源期刊: 计算机应用研究
• 关键词: 信号分选 深度信念网络 堆叠多层模型 后验概率
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 1178-1180,1185
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.09.1005

摘要

针对深度神经网络能自动学习数据深层特征的优点进行了研究,提出一种基于深度信念网络的信号分选方法,来解决传统雷达信号分选中人工提取特征的耗时、特征冗余等问题.通过堆叠多层的深度模型对原算法进行改进,克服单一模型学习力的不足,对不同信号的本质特征进行深入学习,融合各个深度模型的后验概率进行分类决策,从而进一步提高了信号的识别率.采用改进方法对七种不同类型的雷达信号进行分选识别,并与其他信号分选方法进行对比.实验结果表明,该方法取得了更好的分类效果,展现出较强的学习数据本质特征的能力,从而验证了算法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金炜东	西南交通大学电气工程学院	295	3889	30.0	49.0
2	陈春利	西南交通大学电气工程学院	4	7	2.0	2.0