文章详情
| 稿件标题： | 基于残差神经网络的通信辐射源个体识别 |
| 稿件作者： | 刘志文，陈旗，满欣，郑恒权 |
| DOI： | 10.11809/bqzbgcxb2022.S1.066 |
| 栏目名称： | 光学工程与电子技术 |
| 关键词： | 残差神经网络；卷积神经网络；双谱特征；图像识别；仿真分析 |
| 文章摘要： | 针对传统的卷积神经网络因网络深度不足导致识别性能不够，引入残差神经网络对通信辐射源进行个体识别。对信号进行预处理，计算信号双谱得到双谱图。利用残差神经网络挖掘信号隐含的深层次特征，完成个体识别。实验结果表明，对于实测信号，残差神经网络解决了网络深度不足导致的识别准确率不高、梯度消失、梯度爆炸和网络退化等问题，与卷积神经网络相比有着更深层次的网络结构和更高的识别率。通过对比不同样本数量对残差神经网络的影响，发现残差神经网络更适合于大数据量样本的训练，具有较好的应用价值。 |
| 引用本文格式： | 刘志文，陈旗，满欣，等.基于残差神经网络的通信辐射源个体识别［J］.兵器装备工程学报，2022,43(S1):333-337. LIU Zhiwen, CHEN Qi, MAN Xin, et al.Specific identification of communication emitter based on residual neural network［J］.Journal of Ordnance Equipment Engineering,2022,43(S1):333-337. |
| 刊期名称： | 2022年增刊1期 |
| 出版时间： | 2022年7月 |
| 上线时间： | 2022年7月1日 |
| 浏览次数： | 2263 |
| 下载次数： | 438 |
| 免费阅读PDF 下载本期目录 下载本期封面 | |