融合神经网络与瞬时自相关分区特征的自动调制分类方法研究
复杂电磁环境提升了认知电子战系统对外部电磁信号的感知、识别与分类能力的要求.针对认知电子战系统所需识别的多种复杂通信信号辐射源,基于瞬时自相关相位分布特征图进行分区特征提取,联合包络方差特征,并引入神经网络这一机器学习算法,构造出了针对多种通信信号自动分类的机器学习网络.提出采用信号瞬时自相关相位分区分布比率作为神经网络输入层信号,并逐层传递经过隐含层及输出层处理以实现信号之间的分类.采用计算机仿真实现机器学习分类网络的训练,并采用测试样本对算法性能进行了验证.仿真表明,信噪比大于13 dB时,分类网络可以获得大于90%的正确识别率.
认知电子战、机器学习、神经网络、信号分类、信号识别
38
TN958.97
2020-01-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
52-56