基于STFT-SST和深度卷积网络的多相码雷达信号识别

• 作者: 倪雪 徐志军 王华力 荣传振
• 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）
• 页码范围: 1090-1096
• 页数: 7页
• 分类号: TN953
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.06.008

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.