基于注意力机制和改进CLDNN的雷达辐射源识别

• 作者: 崔邦彦 田润澜 王东风 崔钢 石静苑
• 来源期刊: 系统工程与电子技术
• 关键词: 辐射源识别 深度学习 时间序列 注意力机制 特征融合 一维卷积长短时深度神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 传感器与信号处理|Sensors and Signal Processing
• 页码范围: 1224-1231
• 页数: 8页
• 分类号: TN971.1
• 语种: 中文
• DOI: 10.12305/j.issn.1001-506X.2021.05.09

摘要

传统的辐射源识别通过比对、匹配辐射源信号与雷达数据库来识别,这种方法很难满足战时高效、快速和准确的识别要求.随着机器学习方法的提出,诸如支持向量机等算法在辐射源识别领域的运用,可以满足战时高效、快速的识别要求,但这种方法在低信噪比环境下,辐射源识别准确率低.针对上述问题,采用深度学习,引入注意力机制和特征融合方法,提出注意力机制特征融合一维卷积长短时深度神经网络(attention-mechanism feature-fusion one-dimensional convolution long-short-term-memory deep neural networks,AF1CLDNN)识别模型.实验验证了注意力机制和特征融合方法的有效性,及新识别模型在低信噪比环境下具有较高识别准确率与识别速度.