基于改进残差神经网络的雷达信号识别方法

针对低信噪比情况下,雷达信号特征提取困难,导致识别准确率较低的问题,提出一种基于改进残差神经网络的雷达信号调制识别方法。首先使用时频分析方法,将时域信号转化为二维时频图像;然后对图像进行灰度化、高斯滤波、双线性插值、归一化等预处理,作为深度学习模型的输入;最后搭建改进的残差神经网络,利用空间和通道重构单元减少特征冗余,提高特征提取精度,从而提高低信噪比下雷达信号识别准确率。仿真实验结果表明,信噪比为-8 dB时,该方法对12类典型雷达信号的整体识别准确率达到96.67%,具有较好的噪声鲁棒性与抗混淆能力。