针对已有Cohen类时频分布等方法时频聚焦能力不足、在低信噪比(signal to noise ratio,SNR)情况下调制识别准确率低的问题,提出一种基于同步提取变换(synchro-extracting transform,SET)去噪的分组卷积神经网络调制识别方法。所提方法使...针对已有Cohen类时频分布等方法时频聚焦能力不足、在低信噪比(signal to noise ratio,SNR)情况下调制识别准确率低的问题,提出一种基于同步提取变换(synchro-extracting transform,SET)去噪的分组卷积神经网络调制识别方法。所提方法使用SET对雷达信号进行时频分析,以获得良好的时频聚焦性,提高时频分析的计算效率;通过Viterbi算法搜索估计时频系数矩阵中的瞬时频率轨迹,综合考虑信号能量强度分布与瞬时频率轨迹的平滑性,并对得到的瞬时频率轨迹进行中值滤波以去除脉冲噪声;保留瞬时频率轨迹邻域的时频系数,以达到时频图去噪的目的。最后,将去噪后的时频图送入具有残差连接的分组卷积神经网络进行特征提取与调制识别。实验结果表明,当SNR为-12 dB时,去噪后的SET时频图时频聚焦性好,调制识别准确率比未去噪的识别准确率提高了13.69%,证明所提出的雷达信号调制识别方法在低SNR条件下对多种复杂调制类型的信号具有良好的识别性能。展开更多
