基于CNN-BiLSTM混合神经网络的雷达信号调制方式识别

• 全文链接
• 请求原文

作   者：

房崇鑫;  盛震宇;  夏明;  周慧成; 

作者机构：

中国船舶集团有限公司第七二四研究所; 

关键词：

卷积-双向长短时记忆混合神经网络;  雷达信号调制识别;  深度学习; 

期刊名称：

无线电工程

i s s n：

年卷期：

2024 年 006 期

页   码：

1440-1445

摘   要：

针对具有时频特性的雷达信号,传统的雷达信号识别方法已经无法满足对信号类型精准识别的需求,因此需要通过采集并分析雷达信号脉内的时频特征实现对目标雷达的具体信息进行有效评估.设计了一种卷积-双向长短时记忆(Convolution-Bidirectional Long Short-Term Memory,CNN-BiLSTM)混合神经网络模型,主要通过BiLSTM的时序记忆特性深度挖掘雷达信号的时域特征,结合权值共享特性和CNN层捕获雷达信号的时频特征,再利用二者信号特征联合完成对雷达信号调制方式的识别.通过对比实验验证,所提方法对若干种雷达信号的识别具有较高的准确度,平均值达到95.349%;优于只使用单一特征的网络和传统算法,具有良好的抗噪声能力.