基于时频特征提取和残差神经网络的雷达信号识别

来源：系统工程与电子技术杂志2021年第4期北京时间：

作者：谢存祥, 张立民, 钟兆根

单位：1. 海军航空大学信息融合研究所, 山东 烟台 264001；2. 海军航空大学航空基础学院, 山东 烟台 264001

摘要：针对低信噪比(signal to noise ratio, SNR)下雷达信号脉内调制类型识别率较低的问题, 提出了基于时频特征提取和残差神经网络的雷达信号识别算法。时频特征提取首先通过分数阶傅里叶变换对信号进行Chirp基分解, 按照Chirp基载频与调频率的不同组合对信号划分类别, 并设置对应的分类特征参数。然后, 计算信号的伪Wigner-Ville时频分布并提取Zernike矩。上述特征参数组成信号特征矢量, 使用残差神经网络分类器实现雷达信号识别。仿真结果表明, 在SNR=-2 dB时识别准确率能达到93%以上, 同时鲁棒性验证良好, 算法复杂度能够满足现实要求。

关键词：雷达信号识别,分数阶傅里叶变换,Chirp基分解,Zernike矩,残差神经网络

基金资助：国家自然科学基金重大研究计划(91538201);泰山学者工程专项经费(Ts201511020)