典型文献
基于双CNN的雷达信号调制类型识别方法
文献摘要：
针对雷达工作波形复杂化、基于常规脉冲特征的雷达辐射源信号识别准确率下降的问题,提出双卷积神经网络(convolutional neural network,CNN)串联的网络结构,实现了9种常见雷达信号的分类识别.采用单个CNN结构时,可以准确识别其中4种调制类型,但是相位编码及其复合调制信号识别率低.这是由于相位编码中二进制相移键控(binary phase shift keying,BPSK)与四相相移键控(quadrature phase shift keying,QPSK)的时频特征具有相似性.本文采用双CNN串联的处理方式,其优势在于雷达信号调制参数不固定时,依然可以进行分类识别,具有较强适应性.仿真结果表明,当信噪比(signal-to-noise ratio,SNR)为0 dB时,9种调制信号的识别准确率高于95％.最后,通过仿真分析识别准确率与信噪比之间的关系,验证了该方法的可靠性.
文献关键词：
调制类型识别;CNN;相位编码;识别准确率;深度学习
中图分类号：
作者姓名：
金丽洁;武亚涛
作者机构：
南京电子技术研究所,江苏南京 210039
文献出处：
引用格式：
[1]金丽洁;武亚涛-.基于双CNN的雷达信号调制类型识别方法)[J].空天防御,2022(01):66-70
A类：
B类：
雷达信号,信号调制类型识别,脉冲特征,雷达辐射源信号识别,识别准确率,双卷积神经网络,convolutional,neural,network,分类识别,准确识别,相位编码,复合调制,调制信号识别,识别率,中二,二进制,相移键控,binary,phase,shift,keying,BPSK,四相,quadrature,QPSK,时频特征,强适应性,signal,noise,ratio,SNR,dB,分析识别
AB值：
0.349152
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。
