基于改进VGG16的超短波时频谱图分类方法

现代战场电磁环境日益复杂,战术通信网台主要集中在超短波频段;而未来的技术侦察对智能化、大数据处理的支撑需求越来越强烈;为实现超短波盲信号的分类,提出了一种将盲信号的时频谱图与优化后VGG16网络相结合的分类方法;该方法首先将电磁战场中实际采集到的超短波盲信号转换为时频谱图,然后通过迁移学习将其与优化后的VGG16卷积神经网络结合起来,并将空洞卷积引入网络,完成了对超短波盲信号的分类;实验结果表明,优化后的VGG16网络比原网络有更高的识别准确率,达到了93.1%;当将空洞卷积引入到优化后的VGG16网络的第7层和第10层时,识别率达到最高为92.2%,学习时间减少了34.1%,大大减少了模型的训练时长,验证了空洞卷积在超短波盲信号分类识别上的有效性。