基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
多相码雷达信号特征相似,类间差距小,在低信噪比(Signal-to-noise ratio,SNR)下极易混淆.Choi-Williams等时频分布由于受时频分辨率的约束,难以刻画多相码信号的细节特征.为此,本文提出了一种基于同步挤压短时傅里叶变换(Short-time Fourier transform-based synchrosqueezing transform,STFT-SST)和深度卷积网络的自动分类识别算法.在特征选取上,采用STFT-SST对多相码雷达信号进行时频分析,并提出一种频谱增强算法,用于提升低SNR下的时频特征表示,以获得高分辨率的时频特征图像;在分类网络上,设计了一个9层深度卷积网络,并引入Inception模块,提升网络对细节特征的捕获能力.仿真结果表明,当SNR为-8 dB时,该系统对5种特定多相码的平均识别率达91.8%,在低SNR下具有更好的识别性能.
推荐文章
基于STFT的雷达脉内调制信号类型识别
短时傅立叶变换
脉内调制信号
特征提取
识别
基于时频预处理下卷积网络的雷达信号识别
平滑伪Wigner-Ville分布
卷积神经网络
预处理
信号识别
基于深度卷积网络的雷达辐射源信号识别
雷达辐射源识别
雷达辐射源信号
深度卷积网络
时频分析
时频二维特征
识别分类
基于深度卷积神经网络的车型识别研究
深度学习
卷积神经网络
支持向量机
高速公路
车型识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于STFT-SST和深度卷积网络的多相码雷达信号识别
来源期刊 数据采集与处理 学科 工学
关键词 多相码 同步挤压短时傅里叶变换(STFT-SST) 深度卷积网络 频谱增强
年,卷(期) 2020,(6) 所属期刊栏目
研究方向 页码范围 1090-1096
页数 7页 分类号 TN953
字数 语种 中文
DOI 10.16337/j.1004-9037.2020.06.008
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (15)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(6)
  • 参考文献(2)
  • 二级参考文献(4)
2018(4)
  • 参考文献(0)
  • 二级参考文献(4)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多相码
同步挤压短时傅里叶变换(STFT-SST)
深度卷积网络
频谱增强
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
论文1v1指导