基于Hilbert-Huang变换与对抗训练的特定辐射源识别

TN911; 为有效解决特定辐射源的个体识别问题,提出一种基于Hilbert-Huang变换与对抗训练相结合的方法.首先根据辐射源硬件差异,建立辐射源信号的数学模型;其次,对信号进行Hilbert-Huang变换得到Hilbert谱;然后,在预处理过程中,从信号所有的Hilbert谱时频点对应的能量值中,确定最具区分度的一组能量值,并记录其对应的时频点;最后,对每一类辐射源信号的Hilbert谱提取上述记录的时频点对应的能量值,将其送入卷积神经网络进行训练与测试,并通过对抗训练的方式提升网络的抗噪性能.识别准确率实验表明,对比不进行对抗训练的方法以及不进行预处理与对抗训练的方法,所提算法的识别...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 43; no. 12; pp. 3478 - 3487
Main Authors 谢存祥, 张立民, 钟兆根
Format Journal Article
LanguageChinese
Published 海军航空大学信息融合研究所,山东烟台264001%海军航空大学航空基础学院,山东烟台264001 01.12.2021
Subjects
特定辐射源识别;Hilbert-Huang变换;卷积神经网络;对抗训练
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2021.12.08

Cover

More Information
Summary:TN911; 为有效解决特定辐射源的个体识别问题,提出一种基于Hilbert-Huang变换与对抗训练相结合的方法.首先根据辐射源硬件差异,建立辐射源信号的数学模型;其次,对信号进行Hilbert-Huang变换得到Hilbert谱;然后,在预处理过程中,从信号所有的Hilbert谱时频点对应的能量值中,确定最具区分度的一组能量值,并记录其对应的时频点;最后,对每一类辐射源信号的Hilbert谱提取上述记录的时频点对应的能量值,将其送入卷积神经网络进行训练与测试,并通过对抗训练的方式提升网络的抗噪性能.识别准确率实验表明,对比不进行对抗训练的方法以及不进行预处理与对抗训练的方法,所提算法的识别率分别平均提升3.1％与5.45％.识别鲁棒性实验表明,所提算法训练样本为100时即可达到较好识别效果,同时随着辐射源个数增多优势更加明显.复杂度分析表明,所提算法能有效降低神经网络在大量训练与识别过程产生的运算量.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2021.12.08