文章摘要:雷达调制识别技术在电子侦察、电子支援等领域发挥着重要的作用。现有的雷达调制信号识别算法，通常采用脉内特征提取或者深度学习技术来实现。但这两种方法都存在弊端。提取脉内特征需要复杂的先验知识；深度学习技术虽然不需要复杂的先验知识，但是深度学习技术是数据驱动需要海量的数据以支撑其训练。雷达信号数据的获取又十分的困难，难以构建复杂且庞大的数据集来表征模型，因而对于深度学习技术的小样本识别方法的需求变得迫在眉睫。为此，提出增强深度卷积生成对抗网络加卷积神经网络的雷达调制信号识别算法来实现数据增强，在小样本的条件下，仍能对多种雷达调制信号实现高精度识别。经对比实验，增强深度卷积生成对抗网络加卷积神经网络的算法在信噪比为0 dB、原始样本数量为200的条件下，较DCGAN-CNN、GAN-CNN方法识别准确率提升了4%，较卷积神经网络方法识别准确率提升10%。充分验证了在小样本条件下，增强深度卷积生成对抗网络加卷积神经网络的方法能有效地提升信号识别的准确率。

文章关键词:信号识别,生成对抗网络,小样本,卷积神经网络,数据增强,

项目基金:国家重点研发计划（2018YFB1800802）,国家自然科学基金青年基金（No.61801034）,通信对抗 网址: http://txdk.400nongye.com/lunwen/itemid-103826.shtml

上一篇： 电信技术论文_静止轨道通信卫星资源调度模型与算法研究
下一篇： 电信技术论文_基于残差生成对抗网络的调制识别算法