科研之友
微信
新浪微博
Facebook
分享链接
摘要
雷达辐射源脉内调制类型是分析雷达系统的关键性特征信息，对脉内调制类型的正确分类有助于分析目标雷达的功能，为己方提供有效的信息支撑与帮助。针对目前脉内调制类型多样复杂的特点，提出了一种基于多尺度一维卷积神经网络的雷达辐射源脉内调制类型分类方法。该方法在数据预处理阶段仅包括序列的零填充、快速傅里叶变换和取模值与幅度归一化，与基于时频变换的方法相比，实时性更高。同时多尺度一维卷积神经网络相比单一尺度的卷积神经网络，能进一步提升雷达辐射源脉内调制类型分类的平均正确率。实验仿真了8种不同脉内调制类型的雷达辐射源信号，其中信噪比(Signal-Noise Ratio, SNR)范围为-14～0 dB,并使用所提出的多尺度一维卷积神经网络和对比算法进行分类。实验表明，提出的多尺度一维卷积神经网络对8种不同的雷达辐射源脉内调制类型的分类效果良好，全局平均正确率达到95.92%,同时在SNR为-10 dB的条件下，分类正确率均优于91%。
- 出版日期2023
- 单位西安电子科技大学
