基于DAE+CNN辐射源信号识别算法

来源：计算机应用研究杂志2019年第12期北京时间：

作者：叶文强,俞志富,张奎,

单位：国防科技大学电子对抗学院,合肥230037；

摘要：针对利用卷积神经网络进行辐射源信号识别过程中时间复杂度高的问题进行研究，提出一种基于降噪自编码器和卷积神经网络结合的算法。首先对雷达辐射源信号进行短时傅里叶变换，获取时频图像；然后对图像进行灰度和阈值二值化处理，将处理后的图像向量化操作输入到降噪自编码器中，提取降噪自编码器隐藏层特征数据完成降维处理，再重构成图片矩阵输入到卷积神经网络中，利用常用的softmax分类器进行分类识别。通过仿真表明，添加降噪自编码器降维处理后的模型相比原模型，时间复杂度大幅度下降；在SNR=-6 dB时，识别效果能达到80%以上；与利用传统降维方式性能相比，识别效果明显提高。

关键词：雷达辐射源,短时傅里叶,降噪自编码器,卷积神经网络,softmax,

基金资助：安徽省自然科学基金资助项目；；