基于密集连接卷积网络的雷达辐射源信号分选

来源：雷达科学与技术杂志2022年第6期北京时间：

作者：齐美彬，程佩琳，靳学明，张什永，项厚宏

单位：1. 合肥工业大学计算机与信息学院， 安徽合肥 230009;2. 中国电子科技集团公司第三十八研究所， 安徽合肥 230088

摘要：针对现代战场电磁环境下复杂调制雷达信号分选准确率低的问题，本文提出一种基于密集连接卷积网络(Densely Connected Convolutional Networks, DenseNet)的雷达辐射源信号分选算法。该算法采用脉冲描述字(Pulse Description Word, PDW)参数与脉内参数相结合作为分选特征，并对特征参数进行差值预处理生成训练数据，使用一维DenseNet网络进行分选。采用本文预处理方法可以有效提取特征间的相关性差异，同时弥补脉间参数PDW对脉内调制信息的缺失。实验结果表明，该方法能有效实现复杂雷达辐射源信号的分选，在0 dB的信噪比下可以达到98%以上的分选准确率。

关键词：雷达信号分选,脉间特征,脉内特征,密集神经网络,