基于改进频域相关系数的线性调频雷达干扰波形遗传优化

现有干扰波形确定依赖于前级雷达信号参数估计,且干扰参数确定规则单一。针对线性调频雷达干扰场景,以噪声调频干扰为例,提出使用截获到的雷达信号与干扰信号间频域相关系数作为适应度函数。基于遗传算法,在保持干扰能量不变的情况下,实现干扰波形的智能优化。通过对比不同曲线的趋势变化图,验证了本算法的合理性;仿真对比不同算法下雷达接收机的检测概率,验证了本算法的有效性以及相比于其他算法的优越性。

FPGA平台轻量化卷积神经网络辐射源信号识别方法

针对卷积神经网络计算资源消耗大、难以在边缘侧应用等问题,提出了一种面向FPGA(Field Programmable Gate Array)平台的基于知识蒸馏的轻量化卷积神经网络辐射源信号识别方法。该方法以信号时频图作为特征提取对象,结合改进的知识蒸馏方法对卷积神经网络进行轻量化处理,通过注意力图增强知识信息传递,并融合深度可分离卷积,进一步提高网络稀疏度。最后,将该轻量化网络在FPGA平台上进行结构优化,通过改进循环策略和流水线并行设计,加速轻量化卷积神经网络的辐射源信号识别过程。仿真结果显示,利用本文提出的轻量化卷积神经网络辐射源信号识别算法,网络参数量降低了81.8%,在信噪比不低于-12dB的条件下,信号识别准确率达到了90%以上,FPGA平台信号识别时间为86ms,平均功耗为2W,可满足边缘侧终端对信号实时检测以及低功耗的实际应用需求。