基于PID和深度卷积神经网络的辐射源识别方法

• 作者: 岳振军 徐程骥 曹阳 狄恩彪 王金明
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 卷积神经网络 辐射源识别 过拟合
• 年，卷（期）: 2020,（4）
• 页码范围: 664-671
• 页数: 8页
• 分类号: TP183
• 字数: 3965字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.04.007

摘要

利用神经网络进行辐射源个体识别时,训练样本的单一性会导致深度网络出现过拟合的现象,继而影响辐射源个体识别的精确性.针对该问题,本文提出一种基于PID算法的深度卷积网络结构,该结构通过在传统卷积神经网络的输出层与输入层间构建一条反馈回路,采用PID算法将网络输出错误率转化为划分训练集数据构成的概率,通过优化训练集数据构成,达到抑制过拟合的目的.将该方法应用于超短波电台识别,平均识别率达到92.59％,识别率方差约为传统算法的1/3,训练用时减少约35 min,上述指标均优于传统神经网络.实验结果表明,该算法增强了深度网络的鲁棒性,有效地抑制了过拟合现象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳振军	陆军工程大学通信工程学院	8	1	1.0	1.0
2	曹阳	陆军工程大学通信工程学院	2	0	0.0	0.0
3	王金明	陆军工程大学通信工程学院	2	0	0.0	0.0
4	徐程骥		2	0	0.0	0.0
5	狄恩彪	陆军工程大学通信工程学院	3	0	0.0	0.0