融合卷积特征与判别字典学习的低截获概率雷达信号识别

摘要

cqvip:针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2~6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明:通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献[4]、文献[24]、文献[25]、文献[26]中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。