基于改进残差网络的雷达辐射源信号识别

摘要

针对现有雷达辐射源信号识别方法存在的识别率不足、网络模型复杂和鲁棒性差等问题,提出一种基于改进残差网络的雷达辐射源信号识别方法。通过时频分析方法将一维时域信号变换成二维时频图像,用作深度学习网络模型的训练和测试;借鉴轻量化和去“网格效应”的设计思想,构建改进的残差网络模型。实验结果表明,在-15~-10 dB低信噪比条件下,该模型对7种雷达信号的综合识别率为95.9%,比GoogLeNet,AlexNet,MobileNetV2模型分别高5.6%,3.1%,1.4%,与ResNet18模型相比识别率接近,复杂度大大减少。设计了一种新的用于雷达辐射源信号识别的模型,具有较好的工程应用前景。