基于深度学习的雷达辐射源识别
发布时间：2022-01-14 08:16
随着信息化的快速发展,战场电磁环境日益复杂,雷达作为一种重要的目标探测装备,从简单的常规信号,如连续波以及脉冲信号,发展到线性调频、脉冲编码等低截获脉冲压缩信号,大大地提高了雷达探测以及抗干扰能力。同时,由于信号电磁环境复杂化,对电子侦察系统也提出了越来越高的要求。针对目前高科技战争对雷达辐射源识别技术要求较高的问题,本文在引入了深度学习算法的基础上,将雷达辐射源识别与深度学习相结合,对雷达辐射源识别技术进行了深入研究。本文的研究内容主要包括雷达辐射源信号预处理、特征提取和深度学习网络的训练、预测和识别三个部分。论文的主要工作安排如下:1、建立了雷达辐射源信号模型,对常规脉冲信号、线性调频信号、非线性调频信号、相位编码信号以及频率编码等雷达辐射源信号进行了分析和仿真。2、研究了辐射源信号的特征提取方法和基于深度置信网络的辐射源分类识别。分别采用短时傅里叶变换、小波变换及魏格纳-威利变换等三种时频分析法将截获的雷达信号从时域转换到了时频域,并对时频图像进行灰度化、噪声抑制等预处理;针对图像预处理可能导致雷达辐射源信号的重要特征丢失问题,提出了奇异谱特征分类识别的方法,首先对时频图像进行降...
【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】：110 页
【学位级别】：硕士
【部分图文】：
二频编码时域频域图
(a) 四频编码时域图 (b) 四频编码频域图图 2.8 四频编码时域频域图图 2.7 和图 2.8 中为二频编码信号和四频编码信号的时域和频域仿真图，图中二频编码信号和四频编码信号的子脉宽均为 0.5us，信噪比为 10dB，二频编码信号的载频为[200MHz250MHz]，四频编码信号的载频为[200MHz250MHz100MHz150MHz]。频率编码信号中，二频编码在频域有两个频率分布点，四频编码分在频域有四个频率分布点。2.2 深度学习算法与网络分析2006 年，有学者提出深度学习的概念，紧接着深度置信网络算法就被提出，接着自编码器和卷积神经网络的框架也被提出，深度学习是人工智能领域的重要方向，可以从训练的样本数据中学习规律，利用学习到的规律，去检测新的数据。深度学习是一种可以帮助人们了解语音、文本、图片和序列等数据特征的表示和多层次的抽取式学习，目前，深度学习研究的热点问题依然是机器学习中能够用于对原始样本数据特
图 2.9 雷达辐射源信号识别流程雷达辐射源信号识别主要包括信号预处理和特征提取与识别两个部分，具体的在 2.1 节中说明，本文用的是有意调制的预处理方式，特征提取和分类识别主要取可以表征辐射源重要内部特征的原始样本数据特征，与辐射源信号特征库相比行识别和分类的过程。深度学习从原始数据中得到最直接最根本的特征，对原始特征进行提取和识别，深度学习中的深度是针对很多浅层算法而言的，目前很多者在进行分类回归时都用的是浅层的算法结构，但是如果原始数据样本过少时，相对复杂，浅层算法表达能力有限，本文针对这种情况将雷达辐射源识别与深度算法相结合，改善了辐射源系统的泛化能力，用改进深度学习算法，降低了网络的复杂度，提高了雷达辐射源信号的识别率和时效性，本文还提出了时频特征融识别方法，将辐射源信号的三种时频特性相结合，送进深度学习网络，改善了辐信号噪声的干扰，提高了低截获雷达辐射源的识别率。基于深度学习的雷达辐射源识别是将深度学习的思想应用于雷达辐射源识别，用提取雷达辐射源样本数据特征的方式，学习规律，并对新的雷达辐射源数据
【参考文献】：
期刊论文
[1]基于迁移成分分析的雷达辐射源识别方法研究[J]. 李蒙,朱卫纲. 电子设计工程. 2017(20)
[2]时频域综合分析的雷达信号识别方法[J]. 康乃馨,何明浩,韩俊,王冰切. 现代防御技术. 2017(05)
[3]基于稀疏降噪自编码器的深度置信网络[J]. 曾安,张艺楠,潘丹,Xiao-Wei Song. 计算机应用. 2017(09)
[4]基于深度限制波尔兹曼机的辐射源信号识别[J]. 周东青,王玉冰,王星,程相东,肖吉阳. 国防科技大学学报. 2016(06)
[5]基于小波脊线特征提取的雷达辐射源信号识别[J]. 孟凡杰,唐宏,王义哲. 弹箭与制导学报. 2016(06)
[6]基于时频图像三维熵特征的雷达信号识别[J]. 刘歌,张国毅,田榛熔. 火力与指挥控制. 2016(12)
[7]一种深度学习的雷达辐射源识别算法[J]. 周志文,黄高明,高俊,满欣. 西安电子科技大学学报. 2017(03)
[8]基于深度置信网络和双谱对角切片的低截获概率雷达信号识别[J]. 王星,周一鹏,周东青,陈忠辉,田元荣. 电子与信息学报. 2016(11)
[9]基于多特征融合的雷达辐射源信号识别[J]. 孟凡杰,唐宏,王义哲. 计算机仿真. 2016(03)
[10]基于深度学习神经网络的孤立词语音识别的研究[J]. 王山海,景新幸,杨海燕. 计算机应用研究. 2015(08)
博士论文
[1]复杂体制雷达辐射源信号分选模型与算法研究[D]. 普运伟.西南交通大学 2007
硕士论文
[1]基于多维特征处理的雷达信号分选研究[D]. 黄坤.西安电子科技大学 2015
[2]雷达辐射源信号识别技术研究[D]. 何正日.西安电子科技大学 2015
[3]雷达信号脉内特征提取方法研究[D]. 周春霞.西安电子科技大学 2014
[4]雷达信号调制类型识别与参数估计方法研究[D]. 王渝冲.国防科学技术大学 2012
[5]雷达信号调制方式识别的研究与实现[D]. 郝鑫.哈尔滨工程大学 2012
本文编号：3588160
【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】：110 页
【学位级别】：硕士
【部分图文】：
二频编码时域频域图
(a) 四频编码时域图 (b) 四频编码频域图图 2.8 四频编码时域频域图图 2.7 和图 2.8 中为二频编码信号和四频编码信号的时域和频域仿真图，图中二频编码信号和四频编码信号的子脉宽均为 0.5us，信噪比为 10dB，二频编码信号的载频为[200MHz250MHz]，四频编码信号的载频为[200MHz250MHz100MHz150MHz]。频率编码信号中，二频编码在频域有两个频率分布点，四频编码分在频域有四个频率分布点。2.2 深度学习算法与网络分析2006 年，有学者提出深度学习的概念，紧接着深度置信网络算法就被提出，接着自编码器和卷积神经网络的框架也被提出，深度学习是人工智能领域的重要方向，可以从训练的样本数据中学习规律，利用学习到的规律，去检测新的数据。深度学习是一种可以帮助人们了解语音、文本、图片和序列等数据特征的表示和多层次的抽取式学习，目前，深度学习研究的热点问题依然是机器学习中能够用于对原始样本数据特
图 2.9 雷达辐射源信号识别流程雷达辐射源信号识别主要包括信号预处理和特征提取与识别两个部分，具体的在 2.1 节中说明，本文用的是有意调制的预处理方式，特征提取和分类识别主要取可以表征辐射源重要内部特征的原始样本数据特征，与辐射源信号特征库相比行识别和分类的过程。深度学习从原始数据中得到最直接最根本的特征，对原始特征进行提取和识别，深度学习中的深度是针对很多浅层算法而言的，目前很多者在进行分类回归时都用的是浅层的算法结构，但是如果原始数据样本过少时，相对复杂，浅层算法表达能力有限，本文针对这种情况将雷达辐射源识别与深度算法相结合，改善了辐射源系统的泛化能力，用改进深度学习算法，降低了网络的复杂度，提高了雷达辐射源信号的识别率和时效性，本文还提出了时频特征融识别方法，将辐射源信号的三种时频特性相结合，送进深度学习网络，改善了辐信号噪声的干扰，提高了低截获雷达辐射源的识别率。基于深度学习的雷达辐射源识别是将深度学习的思想应用于雷达辐射源识别，用提取雷达辐射源样本数据特征的方式，学习规律，并对新的雷达辐射源数据
【参考文献】：
期刊论文
[1]基于迁移成分分析的雷达辐射源识别方法研究[J]. 李蒙,朱卫纲. 电子设计工程. 2017(20)
[2]时频域综合分析的雷达信号识别方法[J]. 康乃馨,何明浩,韩俊,王冰切. 现代防御技术. 2017(05)
[3]基于稀疏降噪自编码器的深度置信网络[J]. 曾安,张艺楠,潘丹,Xiao-Wei Song. 计算机应用. 2017(09)
[4]基于深度限制波尔兹曼机的辐射源信号识别[J]. 周东青,王玉冰,王星,程相东,肖吉阳. 国防科技大学学报. 2016(06)
[5]基于小波脊线特征提取的雷达辐射源信号识别[J]. 孟凡杰,唐宏,王义哲. 弹箭与制导学报. 2016(06)
[6]基于时频图像三维熵特征的雷达信号识别[J]. 刘歌,张国毅,田榛熔. 火力与指挥控制. 2016(12)
[7]一种深度学习的雷达辐射源识别算法[J]. 周志文,黄高明,高俊,满欣. 西安电子科技大学学报. 2017(03)
[8]基于深度置信网络和双谱对角切片的低截获概率雷达信号识别[J]. 王星,周一鹏,周东青,陈忠辉,田元荣. 电子与信息学报. 2016(11)
[9]基于多特征融合的雷达辐射源信号识别[J]. 孟凡杰,唐宏,王义哲. 计算机仿真. 2016(03)
[10]基于深度学习神经网络的孤立词语音识别的研究[J]. 王山海,景新幸,杨海燕. 计算机应用研究. 2015(08)
博士论文
[1]复杂体制雷达辐射源信号分选模型与算法研究[D]. 普运伟.西南交通大学 2007
硕士论文
[1]基于多维特征处理的雷达信号分选研究[D]. 黄坤.西安电子科技大学 2015
[2]雷达辐射源信号识别技术研究[D]. 何正日.西安电子科技大学 2015
[3]雷达信号脉内特征提取方法研究[D]. 周春霞.西安电子科技大学 2014
[4]雷达信号调制类型识别与参数估计方法研究[D]. 王渝冲.国防科学技术大学 2012
[5]雷达信号调制方式识别的研究与实现[D]. 郝鑫.哈尔滨工程大学 2012
本文编号：3588160
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3588160.html
