| 基于深度学习的跳频信号识别 |
| |
| 引用本文： | 吕国裴,谢跃雷. 基于深度学习的跳频信号识别[J]. 国际商务研究, 2020, 60(10) |
| |
| 作者姓名： | 吕国裴 谢跃雷 |
| |
| 作者单位： | 桂林电子科技大学 认知无线电与信息处理省部共建教育部重点实验室,广西 桂林 541004 |
| |
| 基金项目： | 国家自然科学基金资助项目（6146105）;广西科技重大专项资助项目（AA17202022）;桂林电子科技大学研究生优秀学位论文培育资助项目（17YJPYSS10） |
| |
| 摘 要： | 针对跳频信号分选存在人工提取参数特征具有复杂性的问题,提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换,得到二维的时频矩阵;接着提取信号的轮廓特征,构造三维矩阵作等高线图,并对等高线图进行预处理;最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试,进而实现分类识别。仿真结果表明,在不需要复杂的人工提取参数特征的基础上,在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时,所提方法经裁剪处理下的信噪比为-15 dB,比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明,所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。
|
| 关 键 词： | 跳频信号 分类识别 深度学习 图像预处理 卷积神经网络 |
Recognition of Frequency Hopping Signal Based on Deep Learning |
| |
| LYU Guopei,XIE Yuelei. Recognition of Frequency Hopping Signal Based on Deep Learning[J]. International Business Research, 2020, 60(10) |
| |
| Authors: | LYU Guopei XIE Yuelei |
| |
| Affiliation: | Ministry of Education Key Laboratory of Cognitive Radio and Information Processing,Guilin University of Electronic Technology,Guilin 541004,China |
| |
| Abstract: | |
| |
| Keywords: | frequency hopping signal classification and recognition deep learning image preprocessing convolutional neural network |
|
| 点击此处可从《国际商务研究》浏览原始摘要信息 |
|
点击此处可从《国际商务研究》下载全文 |
|
