10.16652/j.issn.1004-373x.2023.19.001
基于多维特征神经网络集成的有源干扰识别算法
针对在强噪声环境下雷达有源干扰识别准确率不高的问题,提出一种基于功率谱密度、频谱瞬时包络与时频图特征神经网络集成的干扰识别算法.首先从理论推导和方法实现两个角度论述了神经网络集成的基本原理;然后阐述了特征获取方法、网络结构和采用Stacking策略进行网络生成与集成的过程,分析了有源干扰识别的训练、测试结果;最后将该方法与基于时频图的AlexNet检测器、基于功率谱密度序列的LSTM检测器、基于特征融合的双通道检测器进行比较,仿真结果表明,在干噪比(JNR)大于-6 dB时,所提算法对6种有源干扰识别准确概率达到99%以上,具有很好的检测性能.
有源干扰识别、神经网络集成、多维特征、深度自编码器、卷积神经网络、Stacking策略、机器学习、泛化误差
46
TN974-34
2023-10-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7