基于脉间特征深度学习的雷达辐射源识别

发布时间：2023-01-08 18:34

　　多功能雷达在复杂程序调度下,发射信号参数呈现取值范围宽、捷变速度快、变化随机性强等特点,非合作接收方难以对其建立有效的信号模型,给电子侦察系统的雷达辐射源识别带来严峻挑战。本文提出一种基于深度学习的复杂体制雷达辐射源识别方法,利用大样本全脉冲数据形成脉间参数变化的图像特征表示,从宏观上揭示雷达辐射源隐含的波形设计机理,并设计了基于AlexNet网络的图像特征深度学习网络开展辐射源识别,实测数据实验表明了本文的方法对一定时间跨度内的有限部同型多功能雷达具有良好的识别性能,为多功能雷达辐射源智能个体识别提供了新的解决思路。 

【文章页数】：9 页

【文章目录】：
1 引言
2 辐射源脉间特征提取
3 网络设计
4 实验及结果分析
    4.1 实验设计
    4.2 特征生成
    4.3 性能验证
5 结论


【参考文献】：
期刊论文
[1]多功能雷达辐射源识别关键技术浅析[J]. 陈维高,唐晓婧,朱卫纲,贾鑫.  电子信息对抗技术. 2019(05)
[2]深度学习研究综述[J]. 张荣,李伟平,莫同.  信息与控制. 2018(04)
[3]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)
[4]基于深度学习的通信辐射源指纹特征提取算法[J]. 黄健航,雷迎科.  信号处理. 2018(01)
[5]基于全脉冲的周期信号样本提取技术[J]. 吴琳,郑志娟,许琪.  航天电子对抗. 2016(04)
[6]基于脉间指纹特征的雷达个体识别可行性分析[J]. 陈晟,姜秋喜,潘继飞.  电子信息对抗技术. 2012(03)
[7]多网络联合识别辐射源个体的优化方法[J]. 刘英辉,许华,史蕴豪.  信号处理. 2020(04)
[8]辐射源调制识别综述[J]. 柳征,周一宇.  电子对抗. 2005 (04)



本文编号：3728976