基于遥感全脉冲数据的雷达辐射源型号识别方法

基于遥感全脉冲数据的雷达辐射源型号识别方法

TN971.1; 针对遥感全脉冲数据“大数据、小样本”,传统基于模板序列匹配的识别方法时间复杂度高,深度学习算法训练样本不足导致泛化能力差的问题,提出一种基于AdaBoost.M2-DT算法的识别方法.首先采用决策树实现基分类器,然后使用Adaboost.M2的集成学习方法构建识别模型.实验采用9型雷达辐射源的外场数据,分别使用序列匹配方法、SVM(支持向量机)、CNN(卷积神经网络)和AdaBoost.M2-DT算法进行训练和识别并对比实验结果,表明Ada-Boost.M2-DT算法对小样本的遥感全脉冲数据具有较高的识别正确率和较小的时间复杂度....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子信息对抗技术 2020, Vol.35 (5), p.6-41
Hauptverfasser: 雷涛, 王丽军, 徐晶, 毕晓伟
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TN971.1; 针对遥感全脉冲数据“大数据、小样本”,传统基于模板序列匹配的识别方法时间复杂度高,深度学习算法训练样本不足导致泛化能力差的问题,提出一种基于AdaBoost.M2-DT算法的识别方法.首先采用决策树实现基分类器,然后使用Adaboost.M2的集成学习方法构建识别模型.实验采用9型雷达辐射源的外场数据,分别使用序列匹配方法、SVM(支持向量机)、CNN(卷积神经网络)和AdaBoost.M2-DT算法进行训练和识别并对比实验结果,表明Ada-Boost.M2-DT算法对小样本的遥感全脉冲数据具有较高的识别正确率和较小的时间复杂度.
ISSN:1674-2230
DOI:10.3969/j.issn.1674-2230.2020.05.002