基于双CNN的雷达信号调制类型识别方法

摘要：

针对雷达工作波形复杂化、基于常规脉冲特征的雷达辐射源信号识别准确率下降的问题,提出双卷积神经网络(convolutional neural network,CNN)串联的网络结构,实现了9种常见雷达信号的分类识别.采用单个CNN结构时,可以准确识别其中4种调制类型,但是相位编码及其复合调制信号识别率低.这是由于相位编码中二进制相移键控(binary phase shift keying,BPSK)与四相相移键控(quadrature phase shift keying,QPSK)的时频特征具有相似性.本文采用双CNN串联的处理方式,其优势在于雷达信号调制参数不固定时,依然可以进行分类识别,具有较强适应性.仿真结果表明,当信噪比(signal-to-noise ratio,SNR)为0 dB时,9种调制信号的识别准确率高于95％.最后,通过仿真分析识别准确率与信噪比之间的关系,验证了该方法的可靠性.

关键词：调制类型识别、CNN、相位编码、识别准确率、深度学习

所属期刊栏目：5

分类号：TN974

在线出版日期：2022-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：66-70