电讯技术

作者：吕国裴,谢跃雷

单位：(桂林电子科技大学 认知无线电与信息处理省部共建教育部重点实验室，广西 桂林 541004)

关键词：跳频信号；分类识别；深度学习；图像预处理；卷积神经网络；

基金：国家自然科学基金资助项目（6146105）；广西科技重大专项资助项目（AA17202022）；桂林电子科技大学研究生优秀学位论文培育资助项目（17YJPYSS10）

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为?-15 dB?，比支持向量机和传统K-Means聚类算法都低?10 dB?。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。

来源：2020年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2020年第10期