-
题名一种改进的DNN算法在雷达信号分选中的应用
被引量：12
- 1
-
-
作者
陈春利
金炜东
-
机构
西南交通大学电气工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2019年第4期1178-1180,1185,共4页
-
基金
国家自然科学基金资助项目(61461051)
国家科技支撑计划资助项目(2015BAG14B01-05)
-
文摘
针对深度神经网络能自动学习数据深层特征的优点进行了研究,提出一种基于深度信念网络的信号分选方法,来解决传统雷达信号分选中人工提取特征的耗时、特征冗余等问题。通过堆叠多层的深度模型对原算法进行改进,克服单一模型学习力的不足,对不同信号的本质特征进行深入学习,融合各个深度模型的后验概率进行分类决策,从而进一步提高了信号的识别率。采用改进方法对七种不同类型的雷达信号进行分选识别,并与其他信号分选方法进行对比。实验结果表明,该方法取得了更好的分类效果,展现出较强的学习数据本质特征的能力,从而验证了算法的有效性和优越性。
-
关键词
信号分选
深度信念网络
堆叠多层模型
后验概率
-
Keywords
signal sorting
deep belief network
stacked multilayer model
posterior probability
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
