-
公开(公告)号：CN113111774B
公开(公告)日：2022-10-28
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
公开(公告)号：CN113111774A
公开(公告)日：2021-07-13
申请号：CN202110388521.9
申请日：2021-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于雷达信号脉内调制类型识别技术领域，具体涉及一种基于主动增量式微调的雷达信号调制方式识别方法。本发明首先将截获的雷达信号进行时频分布处理，得到二维时频图像；接着调整时频图像大小并进行幅度归一化处理；在训练阶段，采用基于池的抽样场景，将雷达信号时频图像样本逐组放入手写识别训练过的预训练模型中，输出其对应各类型的概率，由熵的不确定性抽样策略，寻找有价值的样本进行专家标注，扩大已标注的雷达信号数据集，通过该数据集更新当前网络所有层的参数；识别阶段，将未知雷达信号时频图像放入该网络中，输出层输出最终识别类型。本发明在低信噪比条件下识别率高，大幅度节省不必要的标注成本，具有良好应用前景。
-
公开(公告)号：CN110175560A
公开(公告)日：2019-08-27
申请号：CN201910440416.8
申请日：2019-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种雷达信号脉内调制识别方法，包括如下步骤：将截获的雷达信号进行Cohen类时频分布处理，得到时频图像；对时频图像进行预处理，即调整尺寸和幅度，然后分组加标签制作训练集和测试集；设计深度卷积神经网络；对未知调制类型的雷达信号调整尺寸和幅度后放入训练好的深度卷积神经网络中，网络自动判断雷达信号类型，完成识别；本发明提出的时频分析核函数相比于Choi-Williams分布中的核函数，对雷达信号抑制交叉项效果更好，信号鲁棒性特征更明显；本发明提出利用卷积去噪自编码器对分类网络进行预训练，可以免去时频图像预处理造成的信号能量的信息损失，从而提高系统整体的分类正确率，并且操作简单更易于实现。
-
-
Search Results
3
records
(took 0.028 seconds)
