基于自适应特征构造和卷积神经网络的低截获概率波形识别  

LPI Waveform Recognition Using Adaptive Feature Construction and Convolutional Neural Networks

作　　者：Hui Huang 王虎(译) 

机构地区：[1]不详

出　　处：《电子工程信息》2023年第4期19-26,共8页Electronic Engineering Information

摘　　要：0引言低截获概率(LPI)雷达通过多种波形构造方法,降低了被对手接收机发现和识别的概率。目前,在雷达辐射源识别、认知雷达和威胁检测等现代电子战运用中,识别LPI雷达信号的波形是截听接收机的其中一个关键功能。近年来,随着人工智能的发展,基于各种机器学习(ML)和信号分析技术,提出了许多LPI波形识别的方法。通常使用信号分析技术来提取LPI波形的特征,并进一步使用ML技术通过提取的特征对LPI波形进行分类来实现LPI波形识别。

关 键 词：雷达辐射源识别 认知雷达 波形识别 卷积神经网络 现代电子战 机器学习 人工智能 特征构造 

分 类 号：TN9[电子电信—信息与通信工程]