-
公开(公告)号：CN111126134B
公开(公告)日：2022-03-22
申请号：CN201911095055.4
申请日：2019-11-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于非指纹信号消除器的雷达辐射源深度学习识别方法，原始的雷达辐射源信号包含指纹特征与非指纹特征部分，对于指纹特征的提取和非指纹特征的抑制与消除将在很大程度上提高雷达辐射源识别精确度。本申请利用深度学习网络作为辐射源信号特征提取器，结合提出的非指纹信号消除器，提取辐射源信号的指纹信息，消除抑制非指纹信号，实现雷达辐射源识别效果的提升。
-
公开(公告)号：CN111123203A
公开(公告)日：2020-05-08
申请号：CN201911095060.5
申请日：2019-11-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于密集连接残差网络的雷达个体识别系统与方法，其实现步骤包括：1)获取雷达辐射源信号数据集；2)对雷达辐射源信号作时频分析，将时间信号转换成时频图像；3)构建密集连接残差网络；4)将时频图像作为训练样本输入网络进行训练；5)将待分类信号转换为时频图像输入网络后进行识别。本方法主要解决现有雷达辐射源信号识别技术训练识别准确率较低的问题。
-
公开(公告)号：CN110988802A
公开(公告)日：2020-04-10
申请号：CN201911095045.0
申请日：2019-11-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于信号尺度分解的雷达辐射源识别系统，该系统由雷达信号数据库、雷达接收机、信号分解模块、分类器和识别结果显示仪组成。雷达信号数据库存储历史收集到的已知类型的雷达信号，雷达接收机接收最新的未知类型的雷达信号。所有的雷达信号通过信号分解模块进行数据多尺度分解处理，然后处理过后的数据由分类器识别出雷达辐射源的类型，最后识别结果显示仪显示结果。本发明通过多尺度分解和轻量梯度提升树提取雷达辐射源的脉内特征，相比常规特征能更好地进行分类识别；对辐射源信号进行深度多尺度分析时，将信号进行多频分解，并且为了防止频率混淆，对原始信号进行了添加白噪声并求平均的处理，进一步提高了识别的准确性。
-
公开(公告)号：CN111126134A
公开(公告)日：2020-05-08
申请号：CN201911095055.4
申请日：2019-11-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于非指纹信号消除器的雷达辐射源深度学习识别方法，原始的雷达辐射源信号包含指纹特征与非指纹特征部分，对于指纹特征的提取和非指纹特征的抑制与消除将在很大程度上提高雷达辐射源识别精确度。本申请利用深度学习网络作为辐射源信号特征提取器，结合提出的非指纹信号消除器，提取辐射源信号的指纹信息，消除抑制非指纹信号，实现雷达辐射源识别效果的提升。
-
-
-
Search Results
4
records
(took 0.017 seconds)
