特定辐射源识别(Specific Emitter Identification,SEI)是指利用雷达指纹特征确定产生信号的辐射源个体。通过对雷达辐射源的识别,可以有效区分出敌我雷达,保证雷达信息的安全性,这在电子战中具有重要的军事意义。目前传统分类识别方法...特定辐射源识别(Specific Emitter Identification,SEI)是指利用雷达指纹特征确定产生信号的辐射源个体。通过对雷达辐射源的识别,可以有效区分出敌我雷达,保证雷达信息的安全性,这在电子战中具有重要的军事意义。目前传统分类识别方法存在指纹特征提取困难,指纹识别正确率低等问题。本文提出了一种基于1D-CNN-LSTM(One Dimensional Convolutional Neural Network Long Short Term Memory)特定辐射源识别方法。该方法直接使用采集到的信号的同向相交分量(Inphase/Quadrature.I/Q)数据进行信号的特征提取,并实现了对于来自不同辐射源个体信号的识别与区分。该模型兼具卷积神经网络与长短时记忆网络的优点,它可以在提取抽象特征的同时进行时序分析。实验结果表明,1D-CNN-LSTM网络能够在复杂的电磁环境下实现对特定辐射源个体的更好识别。展开更多
文摘特定辐射源识别(Specific Emitter Identification,SEI)是指利用雷达指纹特征确定产生信号的辐射源个体。通过对雷达辐射源的识别,可以有效区分出敌我雷达,保证雷达信息的安全性,这在电子战中具有重要的军事意义。目前传统分类识别方法存在指纹特征提取困难,指纹识别正确率低等问题。本文提出了一种基于1D-CNN-LSTM(One Dimensional Convolutional Neural Network Long Short Term Memory)特定辐射源识别方法。该方法直接使用采集到的信号的同向相交分量(Inphase/Quadrature.I/Q)数据进行信号的特征提取,并实现了对于来自不同辐射源个体信号的识别与区分。该模型兼具卷积神经网络与长短时记忆网络的优点,它可以在提取抽象特征的同时进行时序分析。实验结果表明,1D-CNN-LSTM网络能够在复杂的电磁环境下实现对特定辐射源个体的更好识别。