基于深度殘差網絡的脈內調制信號識別研究

邵廣慶，陳歆偉，包 軍，周 鈞，許海波，晏 楊

（中國航天科工集團8511 研究所，江蘇 南京 210007）

0 引言

復雜雷達的脈內調制信號識別一直是電子對抗的關鍵技術和難題。為了進一步識別新型復雜體制雷達，研究人員開始投入大量的精力于脈內特征提取研究。雷達信號脈內特征作為一種細微特征，是對不同調制的雷達進行分選和識別的重要參數，在此基礎上對雷達輻射源進行識別，可以提高識別的準確率，為新一代電子對抗系統在單脈沖基礎上實現雷達信號識別提供了有力的支撐。

目前傳統的脈內調制信號識別方法主要包括2種：一種是通過似然比檢驗來判斷信號的調制類型，基于似然函數的算法，首先計算接收到的雷達信號的似然函數，然后將似然比和門限進行比較來判斷接收信號屬于哪種調制類型。基于似然函數的算法能夠達到貝葉斯準則下最小的錯誤識別概率，但是其計算量太大，可靠性較差。另外一種則是通過分析雷達復雜脈內調制信號的產生機理，通過人工進行特征參數提取，并應用常見的模式識別模型對脈內調制信號進行識別，但是該方法依賴于人工特征參數提取，需要消耗大量的人力和資源。

近些年來，深度學習在分類和識別任務中取得了優異的成績，作為深度學習的重要代表，卷積神經網絡具備出色的非線性特征提取能力，可以通過對訓練樣本進行逐層特征變換，將樣本在原空間的特征表示變換到新的特征空間，自動地學習得到層次化非線性的特征表示，無需人工提取特征，自動地從復雜的數據中學習特征。……