基于卷积神经网络的低截获概率雷达信号检测算法
为了解决雷达截获接收机对低截获概率(LPI)雷达信号检测效果不理想的问题,针对截获信号中有效信号脉宽长度来定义信号和噪声,该文提出一种基于卷积神经网络(CNN)的LPI雷达信号检测方法,利用卷积核与匹配滤波器结构上的相似性,在低信噪比下能够提高信号的检测准确率.利用大量的基于4种典型LPI雷达信号(线性调频信号(LFM)、非线性调频信号(NLFM)、二相编码信号(BPSK)、COSTAS频率编码信号)和白噪声信号的模拟数据集进行CNN模型训练,同时增加少量实测信号(LFM,BPSK)作为验证集进行适配,更好地拟合实测信号的检测模型.最终利用实际信号进行测试,实验结果表明:该文算法在低信噪比的情况下具有较好的检测效果,对多种调制方式、不同信噪比下的LPI雷达信号具有泛化能力.
信号检测;低截获概率;卷积神经网络;实测信号;低信噪比
44
TN974
国家自然科学基金62071137
2022-03-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
718-725