典型文献
基于SE-ResNeXt网络的低信噪比LPI雷达辐射源信号识别
文献摘要：
针对低信噪比(signal to noise ratio,SNR)低截获概率(low probability of intercept,LPI)雷达脉内波形识别准确率低的问题,提出一种基于时频分析、压缩激励(squeeze excitation,SE)和ResNeXt网络的雷达辐射源信号识别方法.首先通过Choi-Williams分布(Choi-Williams distribution,CWD)获得雷达时域信号的二维时频图像(time-frequency image,TFI);然后进行TFI预处理降低噪声干扰和频率维的位置分布差异,以适应深度学习网络输入;最后在ResNeXt基础上加入扩张卷积和SE结构提取TFI特征,实现雷达辐射源分类.实验结果表明,SNR低至-8 dB时,该方法对12类常见LPI雷达波形的整体识别准确率依然能达到98.08％.
文献关键词：
低截获概率雷达波形;辐射源信号识别;残差网络;压缩激励结构;时频分析
中图分类号：
作者姓名：
徐桂光;王旭东;汪飞;胡国兵;高涌荇;罗泽虎
作者机构：
南京航空航天大学电子信息工程学院/集成电路学院,江苏南京211106;金陵科技学院电子信息工程学院,江苏南京211169
文献出处：
引用格式：
[1]徐桂光;王旭东;汪飞;胡国兵;高涌荇;罗泽虎-.基于SE-ResNeXt网络的低信噪比LPI雷达辐射源信号识别)[J].系统工程与电子技术,2022(12):3676-3684
A类：
雷达辐射源分类,低截获概率雷达波形,压缩激励结构
B类：
SE,ResNeXt,低信噪比,LPI,雷达辐射源信号识别,signal,noise,ratio,SNR,low,probability,intercept,内波,波形识别,识别准确率,时频分析,squeeze,excitation,Choi,Williams,distribution,CWD,时域信号,二维时频图像,frequency,image,TFI,低噪声,噪声干扰,位置分布,分布差异,深度学习网络,扩张卷积,结构提取,dB,残差网络
AB值：
0.292641
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。
