基于STFT‑SST和深度卷积网络的多相码雷达信号识别

作     者：倪雪 王华力 徐志军 荣传振 NI Xue;WANG Huali;XU Zhijun;RONG Chuangzheng

作者机构：陆军工程大学通信工程学院南京210007 

出 版 物：《数据采集与处理》 (Journal of Data Acquisition and Processing)

年 卷 期：2020年第35卷第6期

页      面：1090-1096页

学科分类：0810[工学-信息与通信工程] 080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 0835[工学-软件工程] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：多相码 同步挤压短时傅里叶变换(STFT‑SST) 深度卷积网络 频谱增强 

摘      要：多相码雷达信号特征相似,类间差距小,在低信噪比(Signal‑to‑noise ratio,SNR)下极易混淆。Choi‑Williams等时频分布由于受时频分辨率的约束,难以刻画多相码信号的细节特征。为此,本文提出了一种基于同步挤压短时傅里叶变换(Short‑time Fourier transform‑based synchrosqueezing transform,STFT‑SST)和深度卷积网络的自动分类识别算法。在特征选取上,采用STFT‑SST对多相码雷达信号进行时频分析,并提出一种频谱增强算法,用于提升低SNR下的时频特征表示,以获得高分辨率的时频特征图像;在分类网络上,设计了一个9层深度卷积网络,并引入Inception模块,提升网络对细节特征的捕获能力。仿真结果表明,当SNR为-8 dB时,该系统对5种特定多相码的平均识别率达91.8%,在低SNR下具有更好的识别性能。