基于深度学习和集成学习的辐射源信号识别

TN973; 随着电磁环境的日益复杂和雷达辐射源信号类型的逐渐增多,如何有效地识别雷达信号类型成为一个重要的问题.为解决这个问题,提出了一种基于深度学习和集成学习的辐射源信号识别框架.该框架由特征提取和分类器设计两部分组成.第一部分,将雷达信号变换到时频域,利用栈式降噪自编码模型学习时频图像的特征.深度模型的训练采用无监督预学习和有监督微调相结合.第二部分,构造一个集成不同支持向量机分类器的模型对雷达信号进行识别.利用8种不同的辐射源信号验证了提出模型的有效性,结果表明结合这两种机器学习的方法有助于提高辐射源信号的识别正确率....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 40; no. 11; pp. 2420 - 2425
Main Authors 黄颖坤, 金炜东, 余志斌, 吴昀璞
Format Journal Article
LanguageChinese
Published 西南交通大学电气工程学院,四川成都,610031 01.11.2018
Subjects
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2018.11.05

Cover

Abstract TN973; 随着电磁环境的日益复杂和雷达辐射源信号类型的逐渐增多,如何有效地识别雷达信号类型成为一个重要的问题.为解决这个问题,提出了一种基于深度学习和集成学习的辐射源信号识别框架.该框架由特征提取和分类器设计两部分组成.第一部分,将雷达信号变换到时频域,利用栈式降噪自编码模型学习时频图像的特征.深度模型的训练采用无监督预学习和有监督微调相结合.第二部分,构造一个集成不同支持向量机分类器的模型对雷达信号进行识别.利用8种不同的辐射源信号验证了提出模型的有效性,结果表明结合这两种机器学习的方法有助于提高辐射源信号的识别正确率.
AbstractList TN973; 随着电磁环境的日益复杂和雷达辐射源信号类型的逐渐增多,如何有效地识别雷达信号类型成为一个重要的问题.为解决这个问题,提出了一种基于深度学习和集成学习的辐射源信号识别框架.该框架由特征提取和分类器设计两部分组成.第一部分,将雷达信号变换到时频域,利用栈式降噪自编码模型学习时频图像的特征.深度模型的训练采用无监督预学习和有监督微调相结合.第二部分,构造一个集成不同支持向量机分类器的模型对雷达信号进行识别.利用8种不同的辐射源信号验证了提出模型的有效性,结果表明结合这两种机器学习的方法有助于提高辐射源信号的识别正确率.
Author 金炜东
吴昀璞
余志斌
黄颖坤
AuthorAffiliation 西南交通大学电气工程学院,四川成都,610031
AuthorAffiliation_xml – name: 西南交通大学电气工程学院,四川成都,610031
Author_FL JIN Weidong
YU Zhibin
HUANG Yingkun
WU Yunpu
Author_FL_xml – sequence: 1
  fullname: HUANG Yingkun
– sequence: 2
  fullname: JIN Weidong
– sequence: 3
  fullname: YU Zhibin
– sequence: 4
  fullname: WU Yunpu
Author_xml – sequence: 1
  fullname: 黄颖坤
– sequence: 2
  fullname: 金炜东
– sequence: 3
  fullname: 余志斌
– sequence: 4
  fullname: 吴昀璞
BookMark eNo9jz1LAzEcxjNUsNZ-Cjfh4j-XS-4ySvENCi4KbiWXS0oPuYJRfJlL6SB6OOqgLl1E1Kl4g36Zy1m_hZWK08PzDL-H3xKqZf1MI7RCAFPBxVqKe9ZmmAAQjwE_wD6QCBOCgdVQ_X9eRE1rezEwQkMGYVBHwt0XZXFVTd5cMXbP4_L9wd1cft8Nq1E-r1-3g-lH7l4HVZGXn4_uejJ9GbrR0zJaMPLQ6uZfNtD-5sZea9tr727ttNbbniXAuBeCHydKM0mNlDIikUkSCCQnWmiqKCe-z0OhjA60CRRwCIX2hY6FAkWFZrSBVufcU5kZmXU7af_kKJs9ds6Ou-o8uUjtryyZSXL6A7hUY9U
ClassificationCodes TN973
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.3969/j.issn.1001-506X.2018.11.05
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Radar emitter signal recognition based on deep learning and ensemble learning
EndPage 2425
ExternalDocumentID xtgcydzjs201811006
GrantInformation_xml – fundername: 国家重点研发计划项目子任务; 军委装备发展部预研重点实验室基金项目资助课题
  funderid: (2016YFB1200401-102F); (61421050204)资助课题
GroupedDBID -0Y
2B.
4A8
5XA
5XJ
92E
92I
93N
ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CUBFJ
CW9
PSX
TCJ
TGP
U1G
U5S
ID FETCH-LOGICAL-s1056-702bdce5a3faaa818fdd04a61e9e3c36122679cfe4ef4c06079e29eb9c0c39e53
ISSN 1001-506X
IngestDate Thu May 29 04:00:30 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 11
Keywords 集成学习
栈式降噪自编码器
雷达辐射源信号识别
多分类器组合
深度学习
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1056-702bdce5a3faaa818fdd04a61e9e3c36122679cfe4ef4c06079e29eb9c0c39e53
PageCount 6
ParticipantIDs wanfang_journals_xtgcydzjs201811006
PublicationCentury 2000
PublicationDate 2018-11-01
PublicationDateYYYYMMDD 2018-11-01
PublicationDate_xml – month: 11
  year: 2018
  text: 2018-11-01
  day: 01
PublicationDecade 2010
PublicationTitle 系统工程与电子技术
PublicationTitle_FL Systems Engineering and Electronics
PublicationYear 2018
Publisher 西南交通大学电气工程学院,四川成都,610031
Publisher_xml – name: 西南交通大学电气工程学院,四川成都,610031
SSID ssib051375074
ssib002263377
ssib001102898
ssib057620160
ssib023168126
ssib023646287
ssj0042237
Score 2.231288
Snippet TN973; 随着电磁环境的日益复杂和雷达辐射源信号类型的逐渐增多,如何有效地识别雷达信号类型成为一个重要的问题.为解决这个问题,提出了一种基于深度学习和集成学习的辐射...
SourceID wanfang
SourceType Aggregation Database
StartPage 2420
Title 基于深度学习和集成学习的辐射源信号识别
URI https://d.wanfangdata.com.cn/periodical/xtgcydzjs201811006
Volume 40
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVEBS
  databaseName: Inspec with Full Text
  issn: 1001-506X
  databaseCode: ADMLS
  dateStart: 20180801
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.ebsco.com/products/research-databases/inspec-full-text
  omitProxy: false
  ssIdentifier: ssib057620160
  providerName: EBSCOhost
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR3LahRBsMkDRA_iE98EYh83zvRruo89m1mCGC8mkFuYZ8TDCu4GNOcQchANHvWgXnIRUU_BPejBX8nE-BdW9c7uDLhIFJamtra6ntPbVUM_CLkd8CSTsQxaIsuKligK3gJK0TLcZ5kRWSEKfDWwfF8trYq7a3JtavpHY9XSZj9ZSLcm7iv5n6gCDuKKu2T_IbJjpoAAGOILLUQY2hPFmEaSmg4NLY0EtjqikaJhQEMffwKMVQjYRQcAjaHWc70Y1W0aGWpCqhX20poabxJxQA1wFjTSNIwqmtBzGIUiEAPEHWqdUN1BBYDYdhxniZxt2EyCkWfIaRg6IEQTkGdArUSM1VSHjqd2FoECAMtKNxQH2lpcogGAaYOg0VODBgE_VA10Z9Q4-QYMEk0SDRx95KsZ9h9KMu2aBBAgyDitOtQEThAIbZBIVCR0PjDa6RKgU03UfI3i62o_4ejBd35xTNEvi461i5x1KuOqE-vsFNQGjWCMXaDQ9QBP8NeY2KDqYD1rOzVD_AzpwRN1pEEcRztZG3Jbr5okh9MTLoCTnrv7cTx_DY-7Go1TvzkbCeY1MhusLifNmtwo42ZNlLEwloHrHvUCHnEr62RhvITzaX8jfZZtPeohFZ47qKbJLAuUYjNk1i4u33tQZ-WYxDaqesj4Oa-3PzO8O82vqwC80kCxumqQPoe0tq5SoEJmeC7iKOESkOG6O5RGip8i85VVd_5ik9ul1y3i7kYjoVw5R85WleCcHQ7r82Rq6-EFcqZxPuhFYsq3g8PBi6ODL-Vgv_y4f_j1Xfnq-a83O0e7e8OvP19vH3_bKz9vHw32Dr-_L18eHH_aKXc_XCKrnWilvdSq7jpp9aDCUa3AY0mW5jLmRRzHkEUXWeaJWPm5yXnKoQ5hKjBpkYu8EKmnvMDkzOSJSb2Um1zyy2Sm-7ibXyFzPkuFSJJcBB7UOiIzuHecxUJlJmOeTK6S-crw9eq_rLf-ZzSvnYjqOjldD6YbZKb_ZDO_CVl6P7lVPQW_AXCcq-Y
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%92%8C%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0%E7%9A%84%E8%BE%90%E5%B0%84%E6%BA%90%E4%BF%A1%E5%8F%B7%E8%AF%86%E5%88%AB&rft.jtitle=%E7%B3%BB%E7%BB%9F%E5%B7%A5%E7%A8%8B%E4%B8%8E%E7%94%B5%E5%AD%90%E6%8A%80%E6%9C%AF&rft.au=%E9%BB%84%E9%A2%96%E5%9D%A4&rft.au=%E9%87%91%E7%82%9C%E4%B8%9C&rft.au=%E4%BD%99%E5%BF%97%E6%96%8C&rft.au=%E5%90%B4%E6%98%80%E7%92%9E&rft.date=2018-11-01&rft.pub=%E8%A5%BF%E5%8D%97%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E7%94%B5%E6%B0%94%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%9B%9B%E5%B7%9D%E6%88%90%E9%83%BD%2C610031&rft.issn=1001-506X&rft.volume=40&rft.issue=11&rft.spage=2420&rft.epage=2425&rft_id=info:doi/10.3969%2Fj.issn.1001-506X.2018.11.05&rft.externalDocID=xtgcydzjs201811006
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fxtgcydzjs%2Fxtgcydzjs.jpg