基于深度学习的跳频信号识别

• 作者: 吕国裴 谢跃雷
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 跳频信号 分类识别 深度学习 图像预处理 卷积神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 1142-1147
• 页数: 6页
• 分类号: TN971
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2020.10.002

摘要

针对跳频信号分选存在人工提取参数特征具有复杂性的问题,提出了一种基于深度学习的识别方法.首先对跳频信号进行短时傅里叶变换,得到二维的时频矩阵;接着提取信号的轮廓特征,构造三维矩阵作等高线图,并对等高线图进行预处理;最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试,进而实现分类识别.仿真结果表明,在不需要复杂的人工提取参数特征的基础上,在分选率为100％时,所提方法经裁剪处理下的信噪比为-15 dB,比支持向量机和传统K-Means聚类算法都低10 dB.实测数据的算法验证表明,所提方法能够将大疆精灵4 Pro、hm无人机、司马航模X8 HW以及大疆悟2这四类无人机正确分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢跃雷		56	180	7.0	10.0
2	吕国裴		1	0	0.0	0.0