基于深度学习的雷达辐射源个体识别技术研究

发布时间：2021-05-08 08:19

　　在现代电子战中使用电子对抗侦察获得更多的战场情报是获取胜利的首要条件。基于雷达信号脉内细微特征对辐射源进行个体识别是进一步获取战场情报的有力手段,也是及时实施准确干扰的前提和保障。现代侦察面临的电磁信号环境复杂多变,很多情况下截获信号的信噪比较低且调制样式多样化,但是在复杂环境下的雷达辐射源个体识别研究相对缺乏。为了实现复杂环境下雷达辐射源个体的高效识别,本文研究了采用小波变换降噪的Hilbert脉冲包络特征提取算法,提出了基于循环神经网络（Recurrent Neural Network,RNN）的雷达辐射源个体识别方法,分别对脉冲包络特征波形和对信号时域特征波形进行了分类识别,实验结果验证了该方法的有效性。以下是本文的主要工作内容:1、研究了深度学习理论基础,给出了深度学习体系的基本结构,深入研究了卷积神经网络（Convolutional Neural Network,CNN）的模型和各个功能层的作用,分析了RNN的神经元结构和RNN的基本结构,重点讨论了神经网络训练过程中的准则及方法。2、针对低信噪比下Hilbert变换法提取信号包络特征不明显等问题,采用小波变换法对信号包络做降... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 传统雷达辐射源个体识别方法
        1.2.2 基于深度学习的雷达辐射源个体识别方法
    1.3 论文主要工作及安排
第二章 深度学习理论基础
    2.1 深度学习体系结构
    2.2 人工神经网络
    2.3 卷积神经网络
        2.3.1 卷积层
        2.3.2 池化层
    2.4 循环神经网络
    2.5 神经网络的训练
        2.5.1 训练准则
        2.5.2 反向传播算法
        2.5.3 小批量随机梯度下降
    2.6 本章小结
第三章 雷达辐射源个体特征分析
    3.1 包络特征分析
        3.1.1 脉冲调制器数学模型
        3.1.2 包络波形特征分析
        3.1.3 包络角度特征分析
    3.2 Hilbert变换法提取信号包络
        3.2.1 滑窗平均降噪
        3.2.2 小波变换降噪
        3.2.3 仿真实验
    3.3 功率放大器的非线性特征分析
        3.3.1 Saleh模型
        3.3.2 Taylor级数模型
    3.4 功率放大器处理后的信号模型
        3.4.1 经功放Saleh模型处理后信号模型
        3.4.2 经功放Taylor级数模型处理后信号模型
        3.4.3 仿真实验
    3.5 本章小结
第四章 基于深度学习的雷达辐射源个体识别
    4.1 基于卷积神经网络的雷达辐射源个体识别
        4.1.1 卷积神经网络的结构设计
        4.1.2 基于CNN和信号包络的雷达辐射源个体识别方法
        4.1.3 基于CNN和功放非线性的雷达辐射源个体识别方法
    4.2 基于循环神经网络的雷达辐射源个体识别
        4.2.1 循环神经网络的结构设计
        4.2.2 基于RNN和信号包络的雷达辐射源个体识别方法
        4.2.3 基于RNN和功放非线性的雷达辐射源个体识别方法
    4.3 本章小结
第五章 总结与展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于卷积神经网络的功率放大器指纹特征识别[J]. 刘程,陈斌,瞿珊瑚.  通信技术. 2019(10)
[2]一种改进RetinaNet的室内人员检测算法[J]. 王璐璐,张为,孙琦龙.  西安电子科技大学学报. 2019(05)
[3]基于包络前沿特性的干扰源个体识别研究[J]. 罗彬珅,刘利民,刘璟麒.  电光与控制. 2019(12)
[4]一种深度强化学习的雷达辐射源个体识别方法[J]. 冷鹏飞,徐朝阳.  兵工学报. 2018(12)
[5]应用动态时间规整算法实现雷达辐射源个体识别[J]. 陈沛铂,李纲.  信号处理. 2015(08)
[6]基于个体特征的雷达辐射源识别方法研究[J]. 廖宇鹏,周仕成,舒汀.  现代雷达. 2015(03)
[7]基于模糊函数的雷达辐射源个体识别[J]. 李林,姬红兵.  电子与信息学报. 2009(11)
[8]基于小波变换的声波信号包络提取[J]. 杨慧娟,曲喜强,韩焱.  华北工学院学报. 2004(04)
[9]一种新的雷达信号识别方法[J]. 刘爱霞,赵国庆.  航天电子对抗. 2003(01)

博士论文
[1]基于结构化深度学习的语音识别自适应技术研究[D]. 谭天.上海交通大学 2018
[2]脉冲信号辐射源个体识别技术研究[D]. 韩韬.国防科学技术大学 2013
[3]辐射源指纹机理及识别方法研究[D]. 许丹.国防科学技术大学 2008
[4]雷达辐射源识别技术研究[D]. 张国柱.国防科学技术大学 2005

硕士论文
[1]基于卷积神经网络的人体生命体征和多目标检测算法研究[D]. 李剑菡.北京邮电大学 2019
[2]基于移动平台的深度学习优化计算方法研究[D]. 赵天理.哈尔滨理工大学 2019
[3]深度学习方法在雷达信号识别若干问题上的研究与应用[D]. 陈俊达.电子科技大学 2019
[4]基于信号指纹的辐射源个体识别技术研究[D]. 张靖志.战略支援部队信息工程大学 2018
[5]雷达辐射源个体识别技术研究[D]. 麻鹏飞.西安电子科技大学 2018
[6]雷达辐射源细微特征提取方法研究[D]. 李策.西安电子科技大学 2018
[7]基于深度学习的雷达辐射源识别技术[D]. 冷鹏飞.中国舰船研究院 2018
[8]基于DCGAN算法的图像生成技术研究[D]. 蔡晓龙.青岛理工大学 2018
[9]雷达辐射源特征提取和个体识别[D]. 杨凡.西安电子科技大学 2017
[10]不平衡数据的深度迁移学习分类算法[D]. 徐洋洋.华南理工大学 2017



本文编号：3174999