基于深度置信网络和双谱对角切片的低截获概率雷达信号识别

来源：电子与信息学报杂志2016年第11期北京时间：

作者：王星, 周一鹏, 周东青, 陈忠辉, 田元荣

单位：1.(空军工程大学航空航天工程学院 西安 710038) ②(解放军95357部队 佛山 528227)

摘要：基于深度置信网络(DBN)对信号双谱对角切片(BDS)结构特征进行学习，实现低截获概率(LPI)雷达信号识别。该方法首先建立基于受限玻尔兹曼机(RBM)的DBN模型，对LPI雷达信号的BDS数据进行逐层无监督贪心学习，然后运用后向传播(BP)机制在有监督学习方式下根据学习误差对DBN模型参数进行微调，最后基于该BDS-DBN模型实现未知信号的分类和识别。理论分析和仿真结果表明，信噪比高于8 dB时，基于BDS和DBN的识别方法对调频连续波(FMCW), Frank, Costas, FSK/PSK 4类LPI信号的综合识别率保持在93.4%以上，高于传统的主成分分析加支持向量机法(PCA-SVM)和主成分分析加线性判别分析法(PCA-LDA)。

关键词：低截获概率雷达, 深度学习, 深度置信网络, 双谱对角切片, 受限玻尔兹曼机

基金资助：国家自然科学基金(61372167)，航空科学基金(20152096019)