空军工程大学学报

作者：李霜，董玮，董会旭，凌云飞，张歆东

单位：1.吉林大学电子科学与工程学院，长春， 130012； 2.空军航空大学航空作战勤务学院，长春， 130022\

关键词：雷达信号;深度学习;Unet3+;注意力机制;低信噪比

针对传统识别辐射源信号的方法需要手动提取并选取特征、在低信噪比条件下难以准确识别信号的问题，提出了一种基于改进UNet3+网络的辐射源信号识别方法。通过删减UNet3+的网络层级，保留网络特征融合能力的同时降低了网络的复杂度，并引入注意力机制优化模型性能，构建了一个新的网络模型。通过对8种常见的雷达信号进行仿真实验，实验结果表明：改进模型的识别准确率达到96.63%，对比一些经典网络模型，训练总用时更短，在低信噪比条件下能更加有效识别辐射源信号, 可以适应复杂的电磁环境。

来源：2022年第2期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2022年第2期