[发明专利]基于循环平稳与深度卷积神经网络的雷达信号分类方法

摘要

传统的雷达信号分类方法在依靠人工提取其特征后，使用特定算法进行分类处理。本发明提出一种循环平稳(Cyclostationary Spectrum Analysis,CSA)与深度卷积神经网络(Deep Convolution neural network，DCNN)结合的信号分选方法。具体步骤如下：步骤一、收集低截获概率的雷达信号；步骤二、使用FAM与DFSM算法对同一信号进行处理，得到双频图像；步骤三、比较上述算法中质量好的图像；步骤四、使用本发明提出的DCNN进行分类；步骤五、输出雷达信号分选结果。本发明提出的方法具有自适应能力，可有效提升我国电子对抗能力。

主权项

1.一种结合循环平稳谱分析(Cyclostationary Spectrum Analysis,CSA)与深度卷积神经网络模型(Deep Convolutional Neural Network,DCNN)对低截获概率(Low Probability Intercept,LPI)雷达信号分类的方法，其特征在于，包括：首先使用CSA对LPI雷达信号进行处理，将LPI雷达信号转换到频率‑循环频率域，通过计算生成频率‑循环频率(双频)图像，再基于双频图像数据对本发明提出的DCNN进行训练，让训练后的DCNN达到期望正确率，最后使用训练好地DCNN对截获LPI雷达信号分类，输出信号类型及其概率。