[发明专利]一种基于深度学习的雷达辐射源类别识别方法在审
| 申请号： | 201711145195.9 | 申请日： | 2017-11-17 |
| 公开（公告）号： | CN108090412A | 公开（公告）日： | 2018-05-29 |
| 发明（设计）人： | 张治山;王增福;兰华;潘泉 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 陕西增瑞律师事务所 61219 | 代理人： | 刘春 |
| 地址： | 710072 陕西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的雷达辐射源类别识别方法，利用经过预处理的辐射源信号求取其模糊函数的切片作为特征向量；将大量的打好标签的特征向量作为训练样本，通过深度卷积神经网络进行训练，并利用获得的卷积神经网络分类器进行输入特征向量的分类识别；为了实现对于未知类别的辐射源的识别，构建基于支持向量机的meta识别器来判断卷积神经网络分类器的分类结果是否可信，得到最终的识别结果。本方法可以有效提高雷达辐射源识别的准确度。 | ||
| 搜索关键词： | 辐射源 卷积神经网络 类别识别 特征向量 雷达 分类器 预处理 输入特征向量 辐射源信号 支持向量机 准确度 分类结果 分类识别 模糊函数 训练样本 识别器 切片 构建 标签 可信 学习 | ||
【主权项】：
1.一种基于深度学习的雷达辐射源类别识别方法，其特征在于，利用经过预处理的辐射源信号求取其模糊函数的切片作为特征向量；将大量的打好标签的特征向量作为训练样本，通过深度卷积神经网络进行训练，并利用获得的卷积神经网络分类器进行输入特征向量的分类识别；为了实现对于未知类别的辐射源的识别，构建基于支持向量机的meta识别器来判断卷积神经网络分类器的分类结果是否可信，得到最终的识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学，未经西北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711145195.9/，转载请声明来源钻瓜专利网。
