绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 2 条结果
[期刊论文] 郭立民 寇韵涵 陈涛 张明
-
EI CSTPCD 北大核心
-
摘要:针对低截获概率(LPI)雷达信号识别率低且特征提取困难的问题,该文提出一种基于 Choi-Williams 分布(CWD)和栈式稀疏自编码器(sSAE)的自动分类识别系统.该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行 CWD 时频分析,获取2维时频图像;然后对得到的时频原始图像进行预处理,并把预处理后的图像送入多层稀疏自编码器(SAE)进行离线训练;最后把SAE自动提取的特征输入softmax分类器,实现雷达信号的在线分类识别.仿真结果表明,信噪比为6 dB- 时,该系统对8种LPI雷达信号(LFM, BPSK, Costas, Frank和T1~T4)的整体平均识别率达到96.4%,在低信噪比条件下明显优于人工设计提取信号特征的识别方法....
[硕士论文] 寇韵涵
信息与通信工程 哈尔滨工程大学 2018(学位年度)
摘要:由于低截获概率(LPI)雷达等复杂体制雷达的出现,常规的雷达信号识别方法已经失效,因此近年来如何对LPI雷达信号进行有效识别成为非合作雷达信号处理研究的重点。2006年以来,基于深度学习的人工智能技术得到了突飞猛进的发展,已经在图像识别领域取得了显著地成果。栈式稀疏自编码器(sSAE)是深度学习的常用模型之一,相对于传统的雷达信号识别算法,基于sSAE的自动识别算法能够利用信号数据本身,自动学习并提取信号时频图像中的特征,不仅减少了人工提取特征时的巨大工作量,提高了特征提取的效率,而且在低信噪比条件下显著提高了LPI雷达信号的识别效率。论文的创新工作及成果如下:
  首先,研究了基于CWD时频图像的图像预处理方法,通过预处理操作,不同信号之间的时频图像差异显著性增强,不仅去除了相关信息之间的冗余,而且降低了特征维度,在减少信号噪声影响的同时,又能比较完整的保留雷达信号时频图像中的特征,并且还可以简化识别部分的运算。
  其次,针对LPI雷达信号识别率低且特征提取困难的问题,本文研究了一种基于CWD和sSAE的自动分类识别系统。该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行CWD时频变换,把一维时间信号转换成二维时频图像。然后对得到的时频原始图像进行一系列预处理,并把预处理后的图像送入多层稀疏自编码器(SAE)进行离线训练。最后把经多层SAE训练后自动提取的特征输入softmax分类器,进行雷达信号的在线分类识别。仿真结果表明,在低信噪比条件下明显优于人工设计提取信号特征的识别方法。
  最后,针对随机森林(RF)分类器的优势和存在的问题,本文基于sSAE和RF分类器研究了改进的sSAE-RF算法。RF训练可以高度并行化,在大训练数据量和高特征维度时显示出明显的速度优势。但在信噪比较低时RF模型易陷入过拟合,造成分类效果较差,而且RF模型训练时间较长。然而,sSAE可以自动学习并提取信号的特征,在低信噪比条件下具有优异的分类识别结果。仿真结果表明,改进的sSAE-RF算法与RF相比,不仅提高了RF的模型训练速度,而且改善了信噪比较低时RF分类效果差的问题。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部