无线电信号干扰识别【深度学习算法matlab】

一、主要内容

信号干扰识别系统的总体方案设计，可分为基于引信回波模型的数据集准备、信号前处理、基于深度学习的引信干扰信号识别三个部分。其次通过搭建半实物的仿真平台和Matlab 仿真模型来比对数据的真实性，改进仿真模型的准确度。从原理上对 AE，VAE，CVAE 几种生成网络模型进行介绍，从生成效果以及硬件部署方面考虑选用条件变分编码器(CVAE)网络生成谱图。接着定性地比较 TCN 与 LSTM 的性能，并选用 LSTM 为引信干扰信号的识别网络，给出总体算法设计流程。为了生成更多细节信息的时频谱图，对CVAE 网络进行了改进，并分析训练结果。为了提高 LSTM 的识别准确率，对 LSTM 分类网络进行改进，实现对引信干扰信号的识别。最后对整个网络进行联调训练，并对实验结果进行分析，验证基于深度学习的引信干扰识别算法的可行性与识别准确性。

二、算法优化与代码

总体方案

仿真思路

不同峰值信噪比下的目标回波信号

无线电引信作用对象是空中目标，对于引信而言很容易受到大气中的环境干扰，如大气中的热辐射、宇宙中的背景辐射等满足高斯白噪声，而对于掠海飞行的巡航导弹来说受到海浪杂波的影响较为严重，但同时，海面杂波也对导弹本身的隐蔽性做了很大帮助，敌方雷达扫描时不易发现，导弹具备很强的隐蔽性。

高斯白噪声时频域波形

CCVAE 生成网络模型

信号识别数据对比

博主简介：本人擅长数据处理、建模仿真、程序设计、论文写作与指导，毕业论文、期刊论文经验交流。个人博客：kelaboshi.com。