【技术实现步骤摘要】
：本专利技术属于电子对抗，主要涉及的是一种基于卷积神经网络的雷达信号波形自动识别方法。
技术介绍
0、
技术介绍
：
1、lpi雷达信号波形识别方法主要有三大类，即最大似然法、特征工程法和深度学习方法。前两类方法要么计算量大、对参数误差敏感，要么是特征难以设计、抗噪声性能差等，很难在实际中运用。而基于深度学习的人工智能方法，利用深度神经网络强大的特征自动提取能力，特别是运用信号时频分布构建图像特征并结合深度神经网络完成调制识别的方法，能够自动提取图像各种特征细节，比传统方法识别准确率高，抗噪声性能好。
2、然而这类方法大多数本质上属于闭集识别方法，默认识别阶段的信号种类和训练时的信号种类相同。如果识别阶段出现了训练集中未包含的信号种类，闭集方法就会将这些信号错误的识别为已知类的信号，导致性能识别准确率急剧下降。
3、在实际开放且非协作的电磁信号环境中，往往会存在大量的未知信号，对于重点关注的lpi雷达信号进行识别跟踪时，无法保证截获的信号一定是已知的lpi雷达信号种类，此时需要lpi识别方法具有已知信号高...
【技术保护点】
1.一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：
2.根据权利要求1所述的一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：在非合作接收条件下，利用信号库中侦察到的信号构建训练集的步骤如下：
3.根据权利要求1所述的一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：所述CWD时频分布转换LPI雷达信号的步骤如下：
4.根据权利要求1所述的一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：所述通过卷积神经网络提取经CWD时频分布转换后的LPI雷达信号的二维时频图的高维特征向量的步骤如下：<...
【技术特征摘要】
1.一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：
2.根据权利要求1所述的一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：在非合作接收条件下，利用信号库中侦察到的信号构建训练集的步骤如下：
3.根据权利要求1所述的一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：所述cwd时频分布转换lpi雷达信号的步骤如下：
4.根据权利要求1所述的一种基于卷积神经网络的雷达信号波形自动识别方法，其特征在于：所述通过卷积神经网...
【专利技术属性】
技术研发人员：刘志林，李银龙，夏斌，冯亮，常一鹏，王哲鹏，杨昱，韩帅，
申请(专利权)人：中国人民解放军六三八九三部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。