基于深层残差网络和三元组损失的雷达信号识别方法

发布时间：2021-12-27 18:05

　　针对分类网络难以有效扩展分类数量的问题,提出了一种基于深层残差网络和三元组损失的雷达信号识别方法。该方法首先将雷达信号作为深层残差网络的输入,通过一维卷积将雷达信号映射到128维欧几里得空间,得到信号的特征向量;然后利用三元组损失函数调整网络参数,使得同类信号之间特征向量的欧式距离减小而不同类别信号之间的距离增大;最后通过基于样本库的识别算法实现对信号的分类识别。实验结果表明,相较于传统的分类网络,该方法在保证识别准确率的同时使得模型能够对分类数量进行有效扩展。 

【文章来源】：系统工程与电子技术. 2020,42(11)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

一维卷积运算过程

残差单元

几何图形构成的三元组

【参考文献】：
期刊论文
[1]基于深层卷积神经网络和双谱特征的雷达信号识别方法[J]. 刘赢,田润澜,王晓峰.  系统工程与电子技术. 2019(09)
[2]基于深度多尺度一维卷积神经网络的雷达舰船目标识别[J]. 郭晨,简涛,徐从安,何友,孙顺.  电子与信息学报. 2019(06)
[3]2019 IEEE计算机视觉与模式识别会议（英文）[J].   智能系统学报. 2018(06)
[4]导数约束平滑条件下基于模糊函数特征的雷达辐射源信号识别方法[J]. 许程成,周青松,张剑云,谌诗娃.  电子学报. 2018(07)
[5]采用改进型AlexNet的辐射源目标个体识别方法[J]. 徐雄.  电讯技术. 2018(06)
[6]基于能量聚焦效率检验的信号脉内调制识别[J]. 胡国兵,徐立中,徐淑芳,吴珊珊,高燕.  通信学报. 2013(06)



本文编号：3552460