基于动态加权深度集成学习模型的小样本雷达信号调制识别方法  

作　　者：王之腾 纪存孝 张浩 刘畅 

机构地区：[1]中国人民解放军陆军工程大学通信工程学院

出　　处：《数字技术与应用》2024年第7期38-40,共3页Digital Technology & Application

基　　金：江苏省杰出青年学者自然科学基金资助项目(BK20180028);江苏省优秀青年学者自然科学基金资助项目(BK20170089)。

摘　　要：通过对雷达信号调制方式的识别有助于分析雷达工作的模式和目的,可为及时采取恰当的应对措施提供重要依据。为了解决小样本雷达信号调制识别问题,本文提出一种基于动态加权的深度集成学习(Ensemble Learning, EL)模型,该模型通过将多个简单、高效的深度学习模型集成,并根据不同学习模型的预测误差自动调整其权重,以提高集成学习模型的预测准确性与稳定性。仿真结果表明,通过对6种不同信噪比条件下的雷达信号进行识别,该算法可提高单个学习模型的识别效率。

关 键 词：信号调制方式 雷达信号 动态加权 学习模型 小样本 预测准确性 识别效率 仿真结果 

分 类 号：TN957.51[电子电信—信号与信息处理] TP18[电子电信—信息与通信工程]