一种雷达辐射源智能个体识别的方法

针对使用传统的卷积神经网络及低信噪比环境下雷达辐射源智能个体识别研究中识别性能不够的问题，提出了一种基于短时傅里叶变换(STFT)和EfficientNet的雷达辐射源个体识别方法。首先对雷达信号进行短时傅里叶变换，提取时频特征，然后利用EfficientNet中多个MBconv模块对不同时频特征图像的叠加，挖掘出信号图像隐含的更加复杂和抽象的深层次时频特征，包括信号强度的分布、时频模式、周期性变化等，从而完成个体分类识别。EfficientNet可以同时改变网络深度、宽度、图像分辨率3个参数，解决了梯度消失、梯度爆炸等问题。实验结果表明，基于STFT和EfficientNet的雷达辐射源智能个体识别的方法，相比于传统卷积神经网络在低信噪比环境下具有更好的识别性能。