典型文献
基于改进残差网络的雷达辐射源信号识别
文献摘要：
针对现有雷达辐射源信号识别方法存在的识别率不足、 网络模型复杂和鲁棒性差等问题,提出一种基于改进残差网络的雷达辐射源信号识别方法.通过时频分析方法将一维时域信号变换成二维时频图像,用作深度学习网络模型的训练和测试;借鉴轻量化和去"网格效应"的设计思想,构建改进的残差网络模型.实验结果表明,在-15～-10 dB低信噪比条件下,该模型对7种雷达信号的综合识别率为95.9％,比GoogLeNet,AlexNet,MobileNetV2模型分别高5.6％,3.1％,1.4％,与ResNet18模型相比识别率接近,复杂度大大减少.设计了一种新的用于雷达辐射源信号识别的模型,具有较好的工程应用前景.
文献关键词：
雷达辐射源;深度学习;残差网络;分类识别
中图分类号：
作者姓名：
郭恩泽;张洪德;杨雷;刘益岑;彭镜轩;张磊
作者机构：
中国人民解放军陆军工程大学通信士官学校, 重庆 400035;中国人民解放军陆军工程大学通信工程学院, 江苏南京 210007;信号盲处理国家级重点实验室, 四川成都 610041
文献出处：
引用格式：
[1]郭恩泽;张洪德;杨雷;刘益岑;彭镜轩;张磊-.基于改进残差网络的雷达辐射源信号识别)[J].无线电工程,2022(12):2178-2185
A类：
B类：
雷达辐射源信号识别,识别率,时频分析方法,时域信号,换成,二维时频图像,深度学习网络,网格效应,设计思想,残差网络模型,dB,低信噪比,雷达信号,综合识别,GoogLeNet,AlexNet,MobileNetV2,ResNet18,大大减少,分类识别
AB值：
0.222496
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。
