-
公开(公告)号：CN110532932B
公开(公告)日：2022-12-13
申请号：CN201910787759.1
申请日：2019-08-26
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及深度学习的自动识别算法领域，具体涉及一种多分量雷达信号脉内调制方式识别方法。获取几种不同脉内调制方式的单分量或交叠多分量雷达信号的时频图像；利用图像处理算法，对雷达信号时频图像进行预处理，将雷达信号中包含的信号类型作为标签，制作训练集和测试集；设计基于卷积神经网络的预训练网络提取雷达信号时频图像特征，设计基于强化学习的多分量信号分类网络获取分类识别结果；训练、测试、完善网络结构和参数；实现多分量信号的分类识别。本发明所述的多分量雷达信号识别算法在低信噪比情况下，具有广泛的雷达信号类型适应范围和较高的识别准确率，实现了随机交叠多分量雷达信号的脉内调制方式识别。
-
公开(公告)号：CN110532932A
公开(公告)日：2019-12-03
申请号：CN201910787759.1
申请日：2019-08-26
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及深度学习的自动识别算法领域，具体涉及一种多分量雷达信号脉内调制方式识别方法。获取几种不同脉内调制方式的单分量或交叠多分量雷达信号的时频图像；利用图像处理算法，对雷达信号时频图像进行预处理，将雷达信号中包含的信号类型作为标签，制作训练集和测试集；设计基于卷积神经网络的预训练网络提取雷达信号时频图像特征，设计基于强化学习的多分量信号分类网络获取分类识别结果；训练、测试、完善网络结构和参数；实现多分量信号的分类识别。本发明所述的多分量雷达信号识别算法在低信噪比情况下，具有广泛的雷达信号类型适应范围和较高的识别准确率，实现了随机交叠多分量雷达信号的脉内调制方式识别。
-
公开(公告)号：CN110175560A
公开(公告)日：2019-08-27
申请号：CN201910440416.8
申请日：2019-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种雷达信号脉内调制识别方法，包括如下步骤：将截获的雷达信号进行Cohen类时频分布处理，得到时频图像；对时频图像进行预处理，即调整尺寸和幅度，然后分组加标签制作训练集和测试集；设计深度卷积神经网络；对未知调制类型的雷达信号调整尺寸和幅度后放入训练好的深度卷积神经网络中，网络自动判断雷达信号类型，完成识别；本发明提出的时频分析核函数相比于Choi-Williams分布中的核函数，对雷达信号抑制交叉项效果更好，信号鲁棒性特征更明显；本发明提出利用卷积去噪自编码器对分类网络进行预训练，可以免去时频图像预处理造成的信号能量的信息损失，从而提高系统整体的分类正确率，并且操作简单更易于实现。
-
-
Search Results
3
records
(took 0.017 seconds)
