PNN神经网络模型在雷达信号调制类型识别中的应用

摘要：

针对雷达信号调制类型多样且识别成功率较低的问题,提出一种基于瞬时频率特征提取的雷达信号快速识别新算法.首先利用短时傅里叶变换(STFT)对信号进行特征提取,将提取到的特征进行排列组合,最后把重新组合的特征作为PNN神经网络的输入向量对其进行调制类型的识别.其中,通过改进PNN神经网络的输入输出部分使得最后的输出结果为各组合特征输入向量所得结果的最优值.通过计算机仿真对上述方法进行验证,并分析了PNN神经网络的结构和性能,与BP神经网络进行了比较.仿真结果表明,在雷达信号调制类型识别中应用PNN神经网络能大幅提高其识别效率,并拥有明显优于BP神经网络的分类性能.

关键词：雷达信号、短时傅里叶变换、脉内调制、特征选择、概率神经网络、信号识别

所属期刊栏目：41

分类号：TN957.51-34

在线出版日期：2018-12-26（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：67-71