典型文献
基于深度学习的辐射源个体识别方法综述
文献摘要：
首先,从辐射源的个体识别过程的3个步骤,即信号预处理、信号特征提取、信号分类分别展开分析,阐述了将深度学习应用于辐射源的个体识别方法;然后,归纳了基于深度学习的辐射源识别方法的改进趋势,包括零-小样本学习的弱监督学习方法和多特征融合识别;最后,针对神经网络的训练和推理均需要消耗大量算力的问题,总结了基于现场可编程门阵列(FPGA)处理器的深度学习加速器并将其运用于本识别方法中,从而提高辐射源个体识别的速率、降低功耗和硬件成本,使基于深度学习的辐射源个体识别方法,能以更好的性能应用于实际场景中.
文献关键词：
深度学习;辐射源个体识别;现场可编程门阵列;加速器
中图分类号：
作者姓名：
李军;夏春秋
作者机构：
解放军91977部队,北京102249;深圳市唯特视科技有限公司,深圳518057
文献出处：
引用格式：
[1]李军;夏春秋-.基于深度学习的辐射源个体识别方法综述)[J].舰船电子对抗,2022(02):89-94,112
A类：
B类：
辐射源个体识别,方法综述,识别过程,信号预处理,信号特征提取,信号分类,学习应用,辐射源识别,改进趋势,小样本学习,弱监督学习,多特征融合,融合识别,量算,算力,现场可编程门阵列,FPGA,处理器,加速器,降低功耗,硬件成本,性能应用
AB值：
0.286318
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。
