系统工程与电子技术

作者：张立民, 谭凯文, 闫文君, 张聿远

单位：海军航空大学航空作战勤务学院, 山东 烟台 264001

关键词：时频特征,辐射源识别,深度学习,多级跳线

基金：国家自然科学基金(91538201);泰山学者工程专项经费基金(ts201511020);信息系统安全技术重点实验室基金(6142111190404)

针对复杂体制雷达辐射源的识别问题, 提出了一种基于时频特征提取与多级跳线残差网络(multi-level jumper residual network, MLJ-RN)结合的识别方法。首先，计算辐射源信号的平滑伪Wigner-Ville时频分布生成时频图像以表达信号本质特征, 将图像进行预处理以保留信号细微特征差异。然后，设计多级跳线连接的残差单元, 在此基础上构造MLJ-RN, 对时频图像相邻卷积层的细微特征进行学习和识别, 并使用随机梯度下降法训练网络。最后，通过对网络进行参数优化, 强化对信号的深层特征提取能力。仿真结果表明, 信噪比为－5 dB时, 该方法对12类雷达辐射源信号的整体识别概率达到95.1%, 从而验证了该方法在低信噪比下识别雷达信号的有效性。

来源：2022年第7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7期