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....
Saved in:
Published in | 系统工程与电子技术 Vol. 40; no. 11; pp. 2420 - 2425 |
---|---|
Main Authors | , , , |
Format | Journal Article |
Language | Chinese |
Published |
西南交通大学电气工程学院,四川成都,610031
01.11.2018
|
Subjects | |
Online Access | Get full text |
ISSN | 1001-506X |
DOI | 10.3969/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 |