申请/专利权人:南京航空航天大学
申请日:2020-09-08
公开(公告)日:2023-10-24
公开(公告)号:CN112014801B
主分类号:G01S7/02
分类号:G01S7/02;G06F18/214;G06F18/213;G06N3/0464;G06N3/08;G06N20/20
优先权:
专利状态码:有效-授权
法律状态:2023.10.24#授权;2020.12.18#实质审查的生效;2020.12.01#公开
摘要:本发明公开了一种基于SPWVD和改进AlexNet的复合干扰识别方法,其中所述识别方法包括:通过SPWVD对含有复合干扰信号的雷达接收信号进行时频分析,获得复合干扰的时频特征;对复合干扰的时频特征进行降维,获得时频图像;建立改进的AlexNet模型作为干扰识别模型,通过所得时频图像对其进行训练;再经训练完成的干扰识别模型对复合干扰信号进行识别即可。本发明的识别方法对识别难度较大的复合型干扰具有高效准确的识别率。
主权项:1.一种基于SPWVD和改进AlexNet的复合干扰识别方法,其特征在于:包括:S1:通过SPWVD对含有复合干扰信号的雷达接收信号进行时频分析,获得其时频特征;S2:对获得的时频特征进行特征降维,获得时频图像;S3:建立干扰识别模型,并通过所得时频图像对其进行训练;S4:通过训练完成的干扰识别模型进行信号识别;其中,所述干扰识别模型为改进的AlexNet模型;所述改进的AlexNet模型为减少AlexNet模型中的局部响应归一化层和一个全连接层,并在第一卷积层和第二卷积层内通过多个小的卷积核代替AlexNet模型中卷积层内的大的卷积核获得,其中,多个小的卷积核之间尺寸不完全相等。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于SPWVD和改进AlexNet的复合干扰识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。