基于改进1DCNN+TCN的雷达辐射源快速识别方法

来源：系统工程与电子技术杂志2022年第2期北京时间：

作者：金涛, 王晓峰, 田润澜, 张歆东

单位：1. 吉林大学电子科学与工程学院, 吉林 长春 130012；2. 空军航空大学航空作战勤务学院, 吉林 长春 130022

摘要：为了解决传统雷达辐射源识别方式识别速度慢、在低信噪比时很难准确识别等问题, 结合深度学习提出了一种基于改进一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)和时间卷积网络(temporal convolutional network, TCN)的雷达辐射源快速识别模型。在1DCNN的基础上加入了批归一化层, 并在全连接层前加入注意力机制; 同时在原有TCN的基础上进行改进, 使用Leaky ReLU激活函数代替ReLU函数; 将改进后的TCN与1DCNN相连接。仿真实验结果分析表明, 该模型不仅能够迅速识别出辐射源信号, 识别准确率也较高, 能够有效平衡模型识别速度和识别精度。

关键词：辐射源信号快速识别,时间序列,时间卷积网络,一维卷积神经网络,参数化线性修正单元,注意力机制

基金资助：国家自然科学基金(61571462)