摘要:雷达辐射源个体识别技术通过提取雷达细微特征判定载体身份属性,是电子对抗领域的热点研究方向之一。通过深度学习识别雷达辐射源指纹是当前的主流方法,然而训练网络需要大量的数据样本,当数据样本不足时,容易造成识别准确率不高等突出问题。基于此,提出了一种基于深度卷积对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)的雷达辐射源信号个体识别算法,首先采用双谱切片对信号进行特征提取,然后构建了基于DCGAN的识别网络,最后通过实采数据验证了算法的有效性。实验结果表明,在样本缺失较为严重的条件下,所提出的算法能实现小样本条件下的雷达辐射源识别,识别准确率达到90%,完全满足日常需求。
文章目录
1 基于双谱信号的特征提取方法
2 改进残差神经网络搭建
3 基于DCGAN的雷达辐射源信号个体识别算法
4 实验分析
4.1 实验条件
4.2 实验性能分析
4.3 不同样本缺失条件下的识别性能
4.4 与传统卷积神经网络识别对比
5 结束语