典型文献
基于密集连接卷积网络的雷达辐射源信号分选
文献摘要：
针对现代战场电磁环境下复杂调制雷达信号分选准确率低的问题,本文提出一种基于密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet)的雷达辐射源信号分选算法.该算法采用脉冲描述字(Pulse Description Word,PDW)参数与脉内参数相结合作为分选特征,并对特征参数进行差值预处理生成训练数据,使用一维DenseNet网络进行分选.采用本文预处理方法可以有效提取特征间的相关性差异,同时弥补脉间参数PDW对脉内调制信息的缺失.实验结果表明,该方法能有效实现复杂雷达辐射源信号的分选,在0 dB的信噪比下可以达到98％以上的分选准确率.
文献关键词：
雷达信号分选;脉间特征;脉内特征;密集神经网络
中图分类号：
作者姓名：
齐美彬;程佩琳;靳学明;张什永;项厚宏
作者机构：
合肥工业大学计算机与信息学院, 安徽合肥 230009;中国电子科技集团公司第三十八研究所, 安徽合肥 230088
文献出处：
引用格式：
[1]齐美彬;程佩琳;靳学明;张什永;项厚宏-.基于密集连接卷积网络的雷达辐射源信号分选)[J].雷达科学与技术,2022(06):635-642
A类：
脉间特征
B类：
密集连接卷积网络,雷达辐射源信号,战场电磁环境,复杂调制,雷达信号分选,选准,Densely,Connected,Convolutional,Networks,DenseNet,Pulse,Description,Word,PDW,内参,训练数据,预处理方法,有效提取,提取特征,脉内调制,dB,脉内特征,密集神经网络
AB值：
0.312653
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
