典型文献
基于改进UNet3+网络的雷达辐射源信号识别
文献摘要：
针对传统识别辐射源信号的方法需要手动提取并选取特征、在低信噪比条件下难以准确识别信号的问题,提出了一种基于改进UNet3+网络的辐射源信号识别方法.通过删减UNet3+的网络层级,保留网络特征融合能力的同时降低了网络的复杂度,并引入注意力机制优化模型性能,构建了一个新的网络模型.通过对8种常见的雷达信号进行仿真实验,实验结果表明:改进模型的识别准确率达到96.63％,对比一些经典网络模型,训练总用时更短,在低信噪比条件下能更加有效识别辐射源信号,可以适应复杂的电磁环境.
文献关键词：
雷达信号;深度学习;Unet3+;注意力机制;低信噪比
中图分类号：
作者姓名：
李霜;董玮;董会旭;凌云飞;张歆东
作者机构：
吉林大学电子科学与工程学院,长春,130012;空军航空大学航空作战勤务学院,长春,130022
文献出处：
引用格式：
[1]李霜;董玮;董会旭;凌云飞;张歆东-.基于改进UNet3+网络的雷达辐射源信号识别)[J].空军工程大学学报,2022(02):55-60
A类：
Unet3+
B类：
UNet3+,雷达辐射源信号识别,低信噪比,准确识别,删减,网络层级,网络特征,特征融合,融合能力,注意力机制,机制优化,模型性能,雷达信号,改进模型,识别准确率,电磁环境
AB值：
0.242895
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
