低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法及系统技术方案

本发明专利技术公开低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法及系统，该方法包括：对不同调制方式的雷达信号进行仿真，加入高斯白噪声，并转化为时频图；以卷积层的参数量为依据对EfficientNet

【技术实现步骤摘要】
低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法及系统


[0001]本专利技术属于雷达信号调制方式识别
，尤其涉及一种低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法及系统。

技术介绍

[0002]电子侦察中深度学习在雷达信号调制方式识别上的应用问题，国际上已经取得了一定的研究成果，但是仍然存在识别信号种类少，识别信号缺乏随机变化且易于区分，将信号转化为时频图时采用的时频分析方法难以清晰表征多种不同调制方式的雷达信号，应用于雷达信号分类识别的深度学习网络模型参数量大造成训练时间长，在低信噪比条件下识别效果不理想等问题。

技术实现思路

[0003]本专利技术针对低信噪比条件下复杂多类雷达信号调制方式识别率低，深度学习网络模型参数量大造成的训练时间长的问题，提出了一种低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法及系统。相比于已有技术，本专利技术对多种不同调制方式的雷达信号进行仿真，选取更能清晰表征雷达信号特征的时频分析CTFD并在其基础上进行参数调优，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法，其特征在于，包括：步骤1：对不同调制方式的雷达信号进行仿真，并加入高斯白噪声模拟复杂电磁环境下的雷达信号；步骤2：采用CTFD时频分析将模拟信号转化为时频图，并对时频图进行预处理；步骤3：将处理后的时频图按照不同信噪比、不同调制方式批量生成，并将数据集划分为训练集、测试集和验证集；步骤4：以卷积层的参数量为依据对EfficientNet
‑
B0网络的通道数按不同比例进行缩减，得到不同缩减比例对应的各EfficientNet小型网络；步骤5：将得到的不同缩减比例对应的各EfficientNet小型网络分别进行并行运算，得到不同缩减比例对应的分裂EfficientNet网络模型，将测试集输入训练后的各分裂EfficientNet网络模型中，分别对雷达信号调制方式进行分类识别。2.根据权利要求1所述的低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法，其特征在于，在所述步骤5之后，还包括：通过验证集对各EfficientNet小型网络及各分裂EfficientNet网络模型进行识别验证。3.根据权利要求1所述的低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法，其特征在于，所述不同调制方式的雷达信号包括：单载频信号、线性调频信号、非线性调频信号、二相编码信号、多相编码信号、频率编码信号以及复合调制信号。4.根据权利要求1所述的低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法，其特征在于，在采用CTFD时频分析将模拟信号转化为时频图时，CTFD时频分析参数为α＝0.0005，β＝0.01。5.根据权利要求1或3所述的低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法，其特征在于，所述对时频图进行预处理包括：将时频图灰度化，对时频图进行膨胀腐蚀的开运算去除细长直线的噪声，再采用双三次插值变换将图像变换为固定大小的时频图以适用深度学习网络模型的输入大小。6.根据权利要求1所述的低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别方法，其特征在于，所述步骤4包括：根据缩减通道数将EfficientNet
‑
B0网络卷积层的参数量减少为原来的1/2、1/3、1/4、1/5、1/6，构造EfficientNet小型网络EfficientNet
‑
B0
‑
Split2
‑
1至EfficientNet
‑
B0

【专利技术属性】
技术研发人员：刘伟，李钦，牛朝阳，宝音图，李润生，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：