一种深度学习的雷达辐射源识别方法
针对传统使用脉间参数难以识别低信噪比条件下的复杂体制雷达信号问题，提出了一种利用深度学习模型辅助训练并对雷达辐射源进行识别的方法。首先利用时频分析的方法产生雷达信号的时频图像作为训练集1。接着利用深度卷积生成对抗网络的样本学习能力在训练集1的基础上二次生成时频图像作为训练集2，训练集2相对于1拥有着去噪和数据增强的效果。最后利用训练集2辅助视觉几何组在训练集1上的训练进行雷达辐射源识别。对5种常见的雷达信号进行了仿真实验，实验结果验证了该方法的有效性。
文件下载
评论信息
其他资源
- 基于STM32F103输出两相正弦波方波三角波梯形波
- 基于PHP+MYSQL的图书网站
- Cinemachine.unitypackage
- STM32编码器测速代码
- SAP 采购订单 表关系
- 基于神经网络控制的PID
- 仿京东的商品展示详情页面
- Android开发丶二级列表的联动功能实现
- linux下的exfat文件系统驱动
- matlab中的mpc工具箱
- 语音信号时域波形\短时幅值和短时过零率程序matlab
- struts2自定义类型转换器
- 北邮-网络存储技术
- MFC中如何使用子控件向父控件发送自定义消息
- YDT 1251.3-2003 路由协议一致性测试方法---边界网关协议(BGP4).pdf
- SJR-BTM524_SPEC.pdf
- 天天象棋直播软件电脑版
- si4432测试程序
- c++学籍管理系统代码
- nexus-3.17.0-01-unix.tar.gz
- Ireport子报表学习例子
- 计算机软件工程 学生考试系统 课程设计 刘尧涛
- 网上购物 ASP.NET网页设计与网站开发(马骏 党兰学 杜莹)
- DEV_C++ 6.0
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明