系统工程与电子技术

作者：高诗飏, 董会旭, 田润澜, 张歆东

单位：1. 吉林大学电子科学与工程学院, 吉林 长春 130012；2. 空军航空大学航空作战勤务学院, 吉林 长春 130022

关键词：辐射源信号识别,切片循环神经网络,卷积神经网络,注意力机制,批归一化,时间序列

基金：国家自然科学基金(61571462)

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题, 提出一种基于切片循环神经网络(sliced recurrent neural networks, SRNN)、注意力机制和卷积神经网络(convolutional neural networks, CNN)的雷达辐射源信号识别方法, 并在CNN中引入批归一化层, 进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入, 自动提取信号特征, 输出识别结果。实验结果表明, SRNN相比于门控循环单元(gated recurrent unit, GRU)训练速度大大提升, 注意力机制和批归一化层能有效提高识别准确率; 在采用8种常见雷达辐射源信号进行的实验中, 所提方法在低信噪比条件下仍有较高的识别准确率。

来源：2021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2021年第12期