系统工程与电子技术

作者：崔邦彦(), 田润澜(), 王东风(), 崔钢(), 石静苑()

单位：1. 空军航空大学航空作战勤务学院, 吉林 长春 130022；2. 空军研究院, 北京 100012；3. 空军航空大学航空基础学院, 吉林 长春 130022

关键词：辐射源识别,深度学习,时间序列,注意力机制,特征融合,一维卷积长短时深度神经网络

基金：国家自然科学基金(61571462)

传统的辐射源识别通过比对、匹配辐射源信号与雷达数据库来识别, 这种方法很难满足战时高效、快速和准确的识别要求。随着机器学习方法的提出, 诸如支持向量机等算法在辐射源识别领域的运用, 可以满足战时高效、快速的识别要求, 但这种方法在低信噪比环境下, 辐射源识别准确率低。针对上述问题, 采用深度学习, 引入注意力机制和特征融合方法, 提出注意力机制特征融合一维卷积长短时深度神经网络(attention-mechanism feature-fusion one-dimensional convolution long-short-term-memory deep neural networks, AF1CLDNN)识别模型。实验验证了注意力机制和特征融合方法的有效性, 及新识别模型在低信噪比环境下具有较高识别准确率与识别速度。

来源：2021年第5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5期