期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于STFT‑SST和深度卷积网络的多相码雷达信号识别 被引量：5
1
作者 倪雪 王华力 +1 位作者 徐志军 荣传振 《数据采集与处理》 CSCD 北大核心 2020年第6期1090-1096,共7页
多相码雷达信号特征相似,类间差距小,在低信噪比(Signal‑to‑noise ratio,SNR)下极易混淆。Choi‑Williams等时频分布由于受时频分辨率的约束,难以刻画多相码信号的细节特征。为此,本文提出了一种基于同步挤压短时傅里叶变换(Short‑time F... 多相码雷达信号特征相似,类间差距小,在低信噪比(Signal‑to‑noise ratio,SNR)下极易混淆。Choi‑Williams等时频分布由于受时频分辨率的约束,难以刻画多相码信号的细节特征。为此,本文提出了一种基于同步挤压短时傅里叶变换(Short‑time Fourier transform‑based synchrosqueezing transform,STFT‑SST)和深度卷积网络的自动分类识别算法。在特征选取上,采用STFT‑SST对多相码雷达信号进行时频分析,并提出一种频谱增强算法,用于提升低SNR下的时频特征表示,以获得高分辨率的时频特征图像;在分类网络上,设计了一个9层深度卷积网络,并引入Inception模块,提升网络对细节特征的捕获能力。仿真结果表明,当SNR为-8 dB时,该系统对5种特定多相码的平均识别率达91.8%,在低SNR下具有更好的识别性能。 展开更多
关键词 多相码 同步挤压短时傅里叶变换(STFT‑SST) 深度卷积网络 频谱增强
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部