基于改进残差网络的雷达辐射源信号识别

作     者：郭恩泽 张洪德 杨雷 刘益岑 彭镜轩 张磊 GUO Enze;ZHANG Hongde;YANG Lei;LIU Yicen;PENG Jingxuan;ZHANG Lei

作者机构：中国人民解放军陆军工程大学通信士官学校重庆400035 中国人民解放军陆军工程大学通信工程学院江苏南京210007 信号盲处理国家级重点实验室四川成都610041 

出 版 物：《无线电工程》 (Radio Engineering)

年 卷 期：2022年第52卷第12期

页      面：2178-2185页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主　　题：雷达辐射源 深度学习 残差网络 分类识别 

摘      要：针对现有雷达辐射源信号识别方法存在的识别率不足、网络模型复杂和鲁棒性差等问题,提出一种基于改进残差网络的雷达辐射源信号识别方法。通过时频分析方法将一维时域信号变换成二维时频图像,用作深度学习网络模型的训练和测试;借鉴轻量化和去“网格效应的设计思想,构建改进的残差网络模型。实验结果表明,在-15~-10 dB低信噪比条件下,该模型对7种雷达信号的综合识别率为95.9%,比GoogLeNet,AlexNet,MobileNetV2模型分别高5.6%,3.1%,1.4%,与ResNet18模型相比识别率接近,复杂度大大减少。设计了一种新的用于雷达辐射源信号识别的模型,具有较好的工程应用前景。