【技术实现步骤摘要】
本专利技术涉及辐射源信号识别领域，具体涉及一种基于复数卷积-循环神经网络的辐射源个体识别方法。
技术介绍
1、辐射源个体识别是指通过侦收辐射源的发射信号，利用信号处理、机器学习、模式识别等技术从中提取能够区分不同辐射源的个体特征，在此基础上，通过分类或聚类算法区分单个辐射源，实现个体识别。辐射源个体识别作为一种电子侦察技术，在战场敌我识别、目标态势感知、无线网络安全、频谱资源管理等领域均具有重要应用价值。
2、目前，传统的分类或聚类识别效果较差，主流的实数深度神经网络舍弃了射频i/q信号的相位信息，导致识别性能不理想；而复数神经网络主要包括复数卷积神经网络或者复数循环神经网络，复数卷积神经网络主要关注信号的空间特征，复数循环神经网络主要关注信号的时序特征，其虽然能够有效利用i/q信号的相位信息，但关注的空间特征和时序特征往往比较宏观，且其中包含很多对当前任务用处不大的特征，降低了复数辐射源个体识别的效率和准确率。此外，现有的复数辐射源个体识别方法泛化性弱，且下采样过程中容易出现较大的特征损失，严重阻碍了识别精度的提升。>
3、有鉴于此本文档来自技高网...
【技术保护点】
1.一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，利用所述训练集和所述验证集对所述复数卷积-循环神经网络模型进行训练的过程为：
3.根据权利要求2所述的一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，在通道维度上对所述复数特征图进行重标定，得到重标定复数特征图，具体过程为：
4.根据权利要求1所述的一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，利用所述测试集选出性能最优模型的具体
【技术特征摘要】
1.一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，利用所述训练集和所述验证集对所述复数卷积-循环神经网络模型进行训练的过程为：
3.根据权利要求2所述的一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，在通道维度上对所述复数特征图进行重标定，得到重标定复数特征图，具体过程为：
4.根据权利要求1所述的一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，利用所述测试集选出性能最优模型的具体过程为：
5.根据权利要求1所述的一种基于复数卷积-循环神经网络的辐射源个体识别方法，其特征在于，所述待测样本为侦收的待测i/q两路信号经过特征提取生成的频域特征向量。
6.一种基于复数卷积-循环神经网络的辐射源个体识别系统，其特征在于，包括：
7.根据权利要求6所述的一种基于复数卷积-循环神经网络的辐射源个体识别系统，其特征在于，所...
【专利技术属性】
技术研发人员：赵火军，程旗，高晓利，王维，唐培人，刘斌，
申请(专利权)人：四川九洲电器集团有限责任公司，
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。