基于时频图像的雷达信号调制识别技术研究

《基于时频图像的雷达信号调制识别技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：0ＵＤＣ：编号：0工学硕士学位论文基于时频图像的雷达信号调制识别技术研究硕士研究生：孔维宇指导教师：高敬鹏讲师学科、专业：信息与通信工程论文主审人：郜丽鹏教授哈尔滨工程大学2018年3月分类号：密级：0ＵＤＣ：编号：0工学硕士学位论文基于时频图像的雷达信号调制识别技术研究硕士研究生：孔维宇指导教师：高敬鹏讲师学位级别：工学硕士学科、专业：信息与通信工程所在单位：信息与通信工程学院论文提交日期：2018年3月14日论文答辩日期：2018年3月11日学位授予单位：哈尔滨工程大学Class

2、ifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngRadarSignalModulationRecognitionTechnologyBasedonTime-FrequencyImageCandidate:KongWeiyuSupervisor:LecturerGaoJingpengAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngi

3、neeringDateofSubmission:March14,2018DateofOralExamination:March11,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体

4、，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者

5、第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日基于时频图像的雷达信号调制识别技术研究摘要雷达信号识别是电子对抗及电子侦察中的重要环节，在电子战中具有十分重要的地位和作用。只有充分掌握敌方雷达的信息，才能赢得现代战争的主动权，从而占据电子战领域的制高点，这就使得雷达信号调制识别成为现代电子侦察系统中重要的研究方向。本文对雷达信号时频分析

6、、图像预处理、特征提取、支持向量机与深度卷积神经网络等关键性的技术进行了深入研究。主要研究内容概括如下:首先，对雷达信号调制类型与时频分析技术进行研究。给出了常见的雷达信号数学模型，探讨了非平稳信号的时频分析方法，给出了九种雷达调制信号在低信噪比下基于CWD分布的时频图。其次，对基于时频图像的支持向量机调制识别算法进行研究，系统地阐述了时频图像预处理与特征提取技术，在分析支持向量机相关原理的基础上，针对支持向量机进行分类时存在参数选择不当导致分类效果下降的问题，利用改进粒子群寻优算法兼顾对局部最优

7、解和全局最优解的搜索，克服了传统优化方法易陷入局部最优解的缺陷，以联合四类图像特征为识别特征，在此基础上提出了一种基于改进粒子群寻优的支持向量机调制识别算法，进一步提升了调制识别的正确率。然后，对基于时频图像的卷积神经网络调制识别算法进行研究，简述了卷积神经网络的原理和基本架构，分析了卷积神经网络的实现方法，探讨了预训练卷积神经网络模型。在此基础上，结合迁移学习理论，分别提出了两种基于时频图像的FT-GoogLeNet-icp4-SVM、FT-VGGNet-fc6-SVM调制识别算法，充分发掘了预

8、训练卷积神经网络模型在多分类模型中参数提取的优势，解决了深层网络小样本训练难的问题，在一定程度上降低了训练的时间成本和训练复杂度。仿真结果表明，所提算法显著提升了系统的识别效果。最后，对基于时频图像的多信号调制识别技术进行研究，概述了分数阶傅里叶变换的原理，研究了快速DFRFT方法实现，提出了一种基于时频图像的联合分类器多信号调制识别算法，该算法实现了多信号的有效分离，利用多种分类识别算法克服了低信噪比下多信号时频信息不完整导致识别率低的问题，为多信号的调制识别提供了新的思路。关键