陈世文 作品数:5 被引量:30 H指数:3 供职机构: 中国人民解放军信息工程大学 更多>> 发文基金: 国家自然科学基金 更多>> 相关领域: 电子电信 自动化与计算机技术 更多>>
基于时频图像与迁移学习的雷达信号调制类型识别算法 2021年 针对雷达信号调制类型识别领域中基于人工提取脉内特征的算法存在的特征提取步骤繁琐、泛化能力弱的缺点,本文提出了一种基于同步压缩短时傅里叶变换(the STFT-based synchrosqueezing transform, FSST)与迁移深度学习的调制类型识别算法。该算法借助深度学习在图像识别领域的优势,使用FSST将信号转换为时频图像并做预处理后作为数据集用于ResNet101网络的训练,同时还借助迁移学习的方法优化了网络的特征提取的能力、加速了模型的训练。考虑到复杂相位编码雷达信号的时频图像较为复杂,具有一定的代表性,本文以多相编码与多时编码信号为研究对象。实验结果表明,本文算法能够有效区分不同调制类型以及相同调制类型不同调制参数的相位编码信号。 苑军见 陈世文 陈蒙 韩啸 杨锦程关键词:雷达信号 调制类型识别 时频分析 基于伪相关函数的多级电平编码符号信号通用无模糊跟踪方法 被引量:4 2017年 针对新一代全球导航卫星系统(GNSS)中多级电平编码符号(MCS)信号存在的跟踪模糊问题,本文提出了一种通用的MCS信号无模糊跟踪方法.首先推导了不同MCS信号互相关函数的统一表达式,并给出了伪相关函数的定义;然后深入分析了实现无模糊跟踪需要满足的约束条件,推导了两路参考信号的通用构造方法以及相互之间的关系,为具体MCS信号的求解提供了极大的便利;进而给出了利用本文方法的GNSS接收机码跟踪环路模型.作为MCS信号的特例,分别讨论了本文方法在四种二进制偏移载波信号跟踪中的应用.仿真结果表明,本文方法能够有效解决MCS信号的跟踪模糊问题,具有良好的性能和广阔的应用前景. 刘桢 黄洁 王建涛 赵拥军 陈世文关键词:全球导航卫星系统 基于迁移深度学习的雷达信号分选识别 被引量:11 2019年 针对当前雷达信号分选识别算法普遍存在的低信噪比下识别能力差、特征参数提取困难、分类器模型参数复杂等问题,提出了一种基于时频分析、深度学习和迁移学习融合模型的雷达信号自动分选识别算法。首先通过引入的多重同步压缩变换得到雷达信号的时频图像,然后利用灰度化、维纳滤波、双三次插值法和归一化等手段对时频图像进行预处理,最后基于迁移学习的方法,以GoogLeNet和ResNet模型为基础完成了对雷达信号的离线训练和在线识别。仿真结果表明,在信噪比为?6 dB时,该算法对9种雷达信号(CW, LFM, NLFM, BPSK, MPSK, Costas, LFM/BPSK, LFM/FSK, BPSK/FSK)的整体平均识别率可达93.4%,较常规人工提取算法具有更好的抗噪性和泛化能力。 王功明 陈世文 黄洁 黄东华关键词:雷达信号 分选识别 时频分析 基于无意调相特性的雷达辐射源个体识别 被引量:15 2020年 针对脉内无意调相实现雷达辐射源个体识别时存在的分类模型性能不佳的问题,提出了一种长短时记忆加全卷积网络的雷达辐射源个体识别方法。首先给出了脉内信号相位的简化观测模型,并对观测相位序列进行去斜处理,提取无意调相的含噪估计;然后利用贝塞尔曲线拟合无意调相,降低噪声的影响,获得无意调相更为精确的描述;最后利用长短时记忆加全卷积网络提取无意调相序列的联合特征,实现雷达辐射源个体自动识别。仿真实验以及实测数据实验均验证了所提算法的可行性与有效性,实验结果表明,所提算法识别正确率高、耗时短。 秦鑫 黄洁 王建涛 陈世文关键词:贝塞尔曲线 基于互易点学习的LPI信号开集识别 被引量:3 2022年 针对现有采用时频图结合深度学习模型对低截获概率(low probability of intercept,LPI)雷达信号识别的方法在开集场景下会失效的问题,提出一种基于互易点学习(reciprocal point learning,RPL)和阈值判断的雷达信号开集识别方法。通过RPL对特征空间进行优化,使已知类和未知类信号样本在特征空间中分布不同,最后确定合适的阈值进行开集识别。根据时频图的特点,在特征提取网络中加入注意力机制使网络更关注图像能量聚集的有效部分。实验结果表明,该方法在开放的电磁环境条件下具有良好的适应性。 韩啸 陈世文 陈蒙 杨锦程关键词:低截获概率信号