系统工程与电子技术

作者：吕勤哲, 全英汇, 沙明辉, 董淑仙, 邢孟道

单位：1. 西安电子科技大学电子工程学院, 陕西 西安 710071；2. 北京无线电测量研究所, 北京 100854；3. 西安电子科技大学前沿交叉研究院, 陕西 西安 710071

关键词：有源干扰分类,短时傅里叶变换,集成学习,卷积神经网络,小样本

基金：国家自然科学基金(61772397);国家重点研发计划(2016YFE0200400);陕西省科技创新团队(2019TD-002)

针对现有基于机器学习的雷达有源干扰分类大多需要构建人工特征集且小样本情况下分类精度低的问题, 提出一种基于多通道特征融合的集成卷积神经网络(convolutional neural network, CNN)分类方法。首先, 建立多种有源干扰的数学模型, 仿真并利用短时傅里叶变换获得其时频分布图; 其次, 提取时频分布图的实部、虚部和模值三通道特征, 通过多种特征组合方式建立不同特征组合的样本集; 最终, 构建以CNN为基分类器的集成深度学习模型, 每个CNN分别提取不同样本集的特征, 对所有基分类器的预测结果做多数投票得到集成模型的整体预测结果。实验表明, 该方法能够有效实现小样本情况下多类有源干扰的高精度智能化识别。

来源：2022年第12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2022年第12期