基于卷积自编码器的非合作雷达辐射源信号分选

摘要

雷达辐射源信号分选是现代学者研究的热门领域,在现代雷达发射的信号中,经常有意加入一些参数抖动使雷达具有更好的抗干扰性能,同时对非合作雷达辐射源而言,在现实中其信号标签难以提前获取,这二者都会给信号分选带来影响。针对上述问题,本文提出一种结合基于深度学习的特征提取与聚类算法完成信号分选的思路。卷积自编码器是常见的深度学习特征提取网络,其提取的特征可以表达图像的高维特性,可分性更强。同时密度聚类算法(DBSCAN)算法适合特征空间中分布连续的样本,而本文所处理的辐射源信号因为扰动的连续性,其特征也在高维空间连续,因此适合使用密度聚类算法。综上本文选用卷积自编码器提取特征加DBSCAN算法完成聚类。仿真结果表明,本文所提算法在聚类外部评价指标作为评价指标下表现更好。