系统工程与电子技术

作者：刘恒燕(), 方君, 凌青, 闫文君, 于柯远, 张立民

单位：海军航空大学，山东 烟台 264001

关键词：特定辐射源识别,门控循环单元,深度残差网络,特征融合

基金：国家自然科学基金(62371465) ；山东省泰山学者专项人才工程（TS201511020）；山东省高等学校青创团队计划（2022kj084）资助课题

针对现有辐射源个体识别算法对特征提取不够充分，导致分类准确率提升受限的问题，提出了一种基于一维、二维特征融合的特定辐射源分类方法。该方法通过格拉姆角场将一维序列直接转换为二维数据，分别采用门控循环单元（gated recurrent unit，GRU）及改进的深度残差网络（residual networks，ResNet）提取一维、二维特征，充分利用原始序列特征及机器学习处理二维数据的优势进行互补。仿真结果表明，GRU-ResNet具有更好的特征提取能力，大大提升了辐射源个体识别准确率，迭代次数为50次时，识别准确率较其他网络提升了10%以上，为特定辐射源识别问题提供了新思路。

来源：2026年第2期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2026年第2期