[发明专利]一种基于深度学习的辐射源信号多模型综合分类方法

权利要求书

1.一种基于深度学习的辐射源信号多模型综合分类方法，其特征在于，包括以下步骤：

步骤1、通过批归一化的方式将不同维度的特征变换至统一的尺度范围内；

步骤2、通过无监督聚类的方法将不同辐射源雷达信号加以区分，同时进一步剔除错误数据；

步骤3、使用全连接神经网络判定该信号是否有威胁，如无威胁，则直接输出识别结果，如存在威胁信号，则进行步骤4进行进一步识别；

步骤4、将区分出的样本逐个送入18层的残差卷积神经网络和长短时记忆网络进行特征提取和分析，使用模型综合方法集成两个模型的输出来识别辐射源雷达信号类型。

2.根据权利要求1所述的一种基于深度学习的辐射源信号多模型综合分类方法，其特征在于：所述步骤4中模型综合方法包括：采用二次级集成法来综合两个模型的判定，以两个模型输出的分类置信度向量为输入参数，再使用一个全连接网络来综合学习步骤4所述的两个复杂模型之间的共性和差异，输出最终的分类结果。