基于深度置信网络和双谱对角切片的低截获概率雷达信号识别

被引：27

作者：

王星 ^{[1
]}

周一鹏 ^{[1
]}

周东青 ^{[1
]}

陈忠辉 ^{[2
]}

田元荣 ^{[1
]}

机构：

[1] 空军工程大学航空航天工程学院

[2] 解放军部队

来源：

电子与信息学报 | 2016年 / 38卷 / 11期

关键词：

低截获概率雷达; 深度学习; 深度置信网络; 双谱对角切片; 受限玻尔兹曼机;

D O I：

暂无

中图分类号：

TN957.51 [雷达信号检测处理];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ;

摘要：

基于深度置信网络(DBN)对信号双谱对角切片(BDS)结构特征进行学习,实现低截获概率(LPI)雷达信号识别。该方法首先建立基于受限玻尔兹曼机(RBM)的DBN模型,对LPI雷达信号的BDS数据进行逐层无监督贪心学习,然后运用后向传播(BP)机制在有监督学习方式下根据学习误差对DBN模型参数进行微调,最后基于该BDS-DBN模型实现未知信号的分类和识别。理论分析和仿真结果表明,信噪比高于8 d B时,基于BDS和DBN的识别方法对调频连续波(FMCW),Frank,Costas,FSK/PSK 4类LPI信号的综合识别率保持在93.4%以上,高于传统的主成分分析加支持向量机法(PCA-SVM)和主成分分析加线性判别分析法(PCA-LDA)。

引用

页码：2972 / 2976

页数：5

共 9 条

[1]

LPI radar signal detection based on radial integration of Choi-Williams time-frequency image[J]. Yongjian Liu,Peng Xiao,Hongchao Wu,Weihua Xiao.Journal of Systems Engineering and Electronics. 2015(05)

[2] 深度学习研究综述 [J].