基于SRNN+Attention+CNN的雷达辐射源信号识别方法

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题,提出一种基于切片循环神经网络(sliced recurrent neural networks,SRNN)、注意力机制和卷积神经网络(convolutional neural networks,CNN)的雷达辐射源信号识别方法,并在CNN中引入批归一化层,进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入,自动提取信号特征,输出识别结果。实验结果表明,SRNN相比于门控循环单元(gated recurrent unit,GRU)训练速度大大提升,注意力机制和批归一化层能有效提高识别准确率;在采用8种常见雷达辐射源信号进行的实验中,所提方法在低信噪比条件下仍有较高的识别准确率。