基于DAE+CNN辐射源信号识别算法

• 作者: 俞志富 叶文强 张奎
• 来源期刊: 计算机应用研究
• 关键词: 雷达辐射源 短时傅里叶 降噪自编码器 卷积神经网络 softmax
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 3815-3818
• 页数: 4页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0409

摘要

针对利用卷积神经网络进行辐射源信号识别过程中时间复杂度高的问题进行研究,提出一种基于降噪自编码器和卷积神经网络结合的算法.首先对雷达辐射源信号进行短时傅里叶变换,获取时频图像;然后对图像进行灰度和阈值二值化处理,将处理后的图像向量化操作输入到降噪自编码器中,提取降噪自编码器隐藏层特征数据完成降维处理,再重构成图片矩阵输入到卷积神经网络中,利用常用的softmax分类器进行分类识别.通过仿真表明,添加降噪自编码器降维处理后的模型相比原模型,时间复杂度大幅度下降;在SNR=-6 dB时,识别效果能达到80％以上;与利用传统降维方式性能相比,识别效果明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶文强	国防科技大学电子对抗学院	4	3	1.0	1.0
2	俞志富	国防科技大学电子对抗学院	5	3	1.0	1.0
3	张奎	国防科技大学电子对抗学院	5	3	1.0	1.0