[发明专利]新型卷积神经网络与Wigner-Ville分布结合的雷达信号分类方法在审
| 申请号： | 201810741673.0 | 申请日： | 2018-07-06 |
| 公开（公告）号： | CN108921110A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 郭磊;王秋然;林滋宜;张克乐;曾家明 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 传统的雷达信号分类方法通常采用人工分析、提取各种低截获概率雷达信号特征后，利用提取的特征进行分类处理，但在实际应用中分类准确率较低。本发明是一种结合伪Wigner‑Ville分布分析与新型卷积神经网络模型对低概率截获雷达信号分类的方法。具体步骤如下：步骤一，截获LPI雷达信号；步骤二，对截获的雷达信号进行Wigner‑Ville分布处理，得到雷达信号图像；步骤三，对处理后的雷达信号图像进行归一化；步骤四，基于本发明新型卷积神经网络对雷达信号图像进行分类；步骤五，输出LPI雷达信号分类结果。本发明的雷达信号分类方法可以自动的提取雷达信号特征，随着收集的雷达信号数据的增加，其分类的正确率会提升，是一种具有自适应能力的雷达信号分类方法，对于提升我国的电子对抗能力具有重要的意义。 | ||
| 搜索关键词： | 雷达信号 分类 卷积神经网络 截获 图像 电子对抗能力 低截获概率 分类准确率 自适应能力 分布处理 分布分析 分类处理 分类结果 人工分析 传统的 归一化 正确率 输出 概率 应用 | ||
【主权项】：
1.一种结合伪Wigner‑Ville分布分析(Wigner‑Ville Time‑Frequency Distribution，PWVD)与新型卷积神经网络模型(Convolutional Neural Network，CNN)对低概率截获(Low Probability Intercept，LPI)雷达信号分类的方法，其特征在于，包括：通过对原始LPI雷达信号使用PWVD方法处理，产生时‑频分布图像；再利用训练后的CNN模型对所述雷达时‑频分布图像分类，得到原始LPI雷达信号类型。
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电子科技大学，未经电子科技大学许可，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/201810741673.0/，转载请声明来源钻瓜专利网。
