基于AlexNet的雷达干扰识别方法研究

• 作者: 郭治锐 鲁军 刘磊 张伟涛 惠蕙
• 来源期刊: 电光与控制
• 关键词: 雷达干扰 Choi-Williams时频图像 深度学习 AlexNet 干扰信号识别
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 学术研究|Academic Research
• 页码范围: 49-53
• 页数: 5页
• 分类号: TN97
• 语种: 中文
• DOI: 10.3969/j.issn.1671-637X.2021.09.011

摘要

针对复杂电磁环境下雷达对干扰信号的分类识别问题,研究了射频噪声干扰、噪声调幅干扰、噪声调频干扰、匀速距离波门拖引干扰、速度波门拖引干扰的Choi-Williams Distribution(CWD)时频图像,采用深度学习中的AlexNet卷积神经网络模型自动提取图像各种特征细节,从而实现雷达干扰信号的分类识别.仿真结果表明:在干噪比为-10～0 dB的范围内,网络的识别率随干噪比的增加而迅速提高,干噪比为0 dB以上识别率基本接近100％;在全干噪比范围下,网络的识别正确率为99.25％,识别效果良好.