基于深度学习的雷达辐射源识别算法

殷雪凤，武 斌

（西安电子科技大学电子工程学院，陕西西安 710126）

0 引言

雷达辐射源识别（REI/RER）技术是电子战中至关重要的一部分，是电子支援措施（ESM）的核心和雷达对抗系统中的关键技术[1]。辐射源识别技术通过从侦察信号中获取目标辐射源的体制、用途、型号等信息，为下一步态势估计、威胁估计和决策调整提供依据。

在辐射源识别研究的早期，信号稳定、调制简单，传统的雷达辐射源识别方法主要是基于脉冲描述字（PDW）的特征提取方法[2]。但随着雷达技术的发展，特别是新体制、新用途雷达的使用，调制形式变得复杂，调制参数转换越来越快捷，时空领域范围内的雷达信号交错，密度增大，传统雷达辐射源识别方法不能有效对辐射源进行识别[3]。因此，最新的电子战系统还对雷达信号的脉内特征进行分析，不少研究人员在这方面做了大量工作。时频特征、小波包特征、分数阶傅里叶变换域特征和小波脊频特征等参数在辐射源识别领域中都取得了不错的效果[4]。但这些方法都需要人工提取特征，费时费力，而且人为提取的特征在辐射源识别系统中的有效性和普适性还有待深入研究，因此，整个系统对人为因素的依赖太强。

随着人工智能的发展，特别是近几年深度学习的崛起，不少专家学者将深度学习模型应用于雷达辐射源识别中，并取得了一定的成果。文献[5]提出了一种基于深度置信网络的识别算法，将信号的时频图输入训练好的深度置信网络，识别不同调制信号。……