• 首页
  • 期刊简介
  • 编委会
  • 版权声明
  • 投稿指南
  • 期刊订阅
  • 相关下载
    雷达数据
    下载专区
  • 过刊浏览
  • 联系我们
引用本文:[点击复制]
[点击复制]
【打印本页】   【下载PDF全文】   【查看/发表评论】  【下载PDF阅读器】  【关闭】
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被:浏览 967次   下载 0次  
分享到: 微信 更多
字体:加大+|默认|缩小-
基于密集连接卷积网络的雷达辐射源信号分选
齐美彬1, 程佩琳1, 靳学明2, 张什永2, 项厚宏1
1.合肥工业大学;2.中国电子科技集团第三十八研究所
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0dB的信噪比下可以达到98%以上的分选准确率。
关键词:  雷达信号分选  脉间特征  脉内特征  密集神经网络
DOI:
分类号:TN971
基金项目:
Radar Emitter Signal Sorting Based on Densely Connected Convolutional Networks
Abstract:
To address the problem of low accuracy in complex modulated radar signal sorting in modern battlefield electromagnetic environments, this paper proposes a radar emitter signal sorting algorithm based on Densely Connected Convolutional Networks (DenseNet). The algorithm uses the combination of Pulse Description Word (PDW) parameters and intra-pulse parameters as the sorting feature, preprocesses the feature parameters to generate training data, and uses one-dimensional DenseNet for sorting. The proposed preprocessing method helps extract correlation differences between features and compensate for the lack of intra-pulse modulation information caused by the inter-pulse parameter PDW. The experimental results show that this method can effectively realize the sorting of complex radar emitter signals, and the sorting accuracy can reach more than 98% under the signal-to-noise ratio of 0 dB.
Key words:  Radar signal sorting  Interveinal characteristics  Intravenous characteristics  DenseNet

版权所有:《雷达科学与技术》编辑部 备案:XXXXXXX
主办:中国电子科技集团公司第三十八研究所 地址:安徽省合肥市高新区香樟大道199号 邮政编码:230088
电话:0551-65391270 电子邮箱:radarst@163.com
技术支持:北京勤云科技发展有限公司