基于小样本条件的雷达辐射源个体识别算法

TN957.51; 针对小样本条件下雷达辐射源个体识别率不高问题,提出了一种基于图像增强技术以及生成对抗网络(GAN)的雷达辐射源个体识别性能的算法,并对真实采集信号开展了算法性能验证与比较实验.实验结果表明:加入图像特征增强方法后,识别性能有明显提高,直方图均衡化特征增强法性能最优,识别率较改进前平均提高了 9 dB.加入增强条件对抗生成网络(SCGAN)后,算法在小样本条件下的识别性能平均提升15 dB,所需样本数量减少了 75％....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	弹箭与制导学报 2021, Vol.41 (3), p.25-30
Hauptverfasser:	丁辰伟, 孙闽红, 官友廉
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TN957.51; 针对小样本条件下雷达辐射源个体识别率不高问题,提出了一种基于图像增强技术以及生成对抗网络(GAN)的雷达辐射源个体识别性能的算法,并对真实采集信号开展了算法性能验证与比较实验.实验结果表明:加入图像特征增强方法后,识别性能有明显提高,直方图均衡化特征增强法性能最优,识别率较改进前平均提高了 9 dB.加入增强条件对抗生成网络(SCGAN)后,算法在小样本条件下的识别性能平均提升15 dB,所需样本数量减少了 75％.
ISSN:	1673-9728
DOI:	10.15892/j.cnki.djzdxb.2021.03.006