-
公开(公告)号：CN110378205A
公开(公告)日：2019-10-25
申请号：CN201910491130.2
申请日：2019-06-06
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于改进型CNN网络的雷达辐射源识别算法，其方案为：用商用软件仿真生成多种雷达信号的数据集；将雷达数据集的信号进行时频变换，并以信号时频图的形式输出，分别制成训练集、验证集和测试集；设置改进型CNN和DenseNet的网络参数；使用训练集信号训练改进型网络；将测试集的数据输入到训练好的改进型CNN网络中，输出在不同信噪比下整体测试信号的识别率。本发明能充分精确提取雷达信号特征，提高了信号的识别率，同时降低了网络的训练、识别时间，具有良好的泛化性能，可用于复杂电磁环境下的雷达信号识别，主要解决了现有技术对雷达信号特征信息提取不充分和识别精度低的问题。
-
公开(公告)号：CN111239692A
公开(公告)日：2020-06-05
申请号：CN202010027623.3
申请日：2020-01-10
申请人： 西安电子科技大学
摘要： 本发明提出一种基于深度学习的PRI联合脉内信息辐射源信号识别方法，以雷达辐射源信号脉内调制信息以及PRI脉间调制信息特点为基础，通过多层感知机网络及一维CNN网络分别对雷达辐射源信号的PRI脉间信息和脉内信息进行特征提取，将两个特征向量组合之后进行识别，从而提高雷达信号识别效率。
-
公开(公告)号：CN111190158B
公开(公告)日：2024-01-30
申请号：CN202010032916.0
申请日：2020-01-13
申请人： 西安电子科技大学
摘要： 本发明公开了一种复杂雷达辐射源识别方法、装置、电子设备及其存储介质，方法包括：获取复杂雷达辐射源的数据集；对所述数据集进行短时傅里叶变换时频预处理得到预处理数据集；从所述预处理数据集中选择训练数据集和测试数据集，对所述训练数据集、所述测试数据集进行PCA降维处理得到降维后的训练数据集、降维后的测试数据集；对所述降维后的训练数据集进行训练得到预设结构的多层感知机网络模型；将所述降维后的测试数据集输入到所述预设结构的多层感知机网络模型中得到所述复杂雷达辐射源的识别率。本发明提供的复杂雷达辐射源识别方法采用PCA主成分分析法降维，在时频图基础上提取特征，提高了网络的识别效率，降低了运算量。
-
公开(公告)号：CN111239692B
公开(公告)日：2023-01-24
申请号：CN202010027623.3
申请日：2020-01-10
申请人： 西安电子科技大学
摘要： 本发明提出一种基于深度学习的PRI联合脉内信息辐射源信号识别方法，以雷达辐射源信号脉内调制信息以及PRI脉间调制信息特点为基础，通过多层感知机网络及一维CNN网络分别对雷达辐射源信号的PRI脉间信息和脉内信息进行特征提取，将两个特征向量组合之后进行识别，从而提高雷达信号识别效率。
-
公开(公告)号：CN111190158A
公开(公告)日：2020-05-22
申请号：CN202010032916.0
申请日：2020-01-13
申请人： 西安电子科技大学
摘要： 本发明公开了一种复杂雷达辐射源识别方法、装置、电子设备及其存储介质，方法包括：获取复杂雷达辐射源的数据集；对所述数据集进行短时傅里叶变换时频预处理得到预处理数据集；从所述预处理数据集中选择训练数据集和测试数据集，对所述训练数据集、所述测试数据集进行PCA降维处理得到降维后的训练数据集、降维后的测试数据集；对所述降维后的训练数据集进行训练得到预设结构的多层感知机网络模型；将所述降维后的测试数据集输入到所述预设结构的多层感知机网络模型中得到所述复杂雷达辐射源的识别率。本发明提供的复杂雷达辐射源识别方法采用PCA主成分分析法降维，在时频图基础上提取特征，提高了网络的识别效率，降低了运算量。
-
-
-
-
搜索结果
5 条记录 (耗时 0.027 秒)
