空军工程大学学报

作者：梁策，郭英，李红光

单位：空军工程大学信息与导航学院，西安，710077\

关键词：跳频信号;CNN卷积神经网络;多层卷积;特征提取

基金：国家自然科学基金（61601500，61871396）

针对传统跳频信号指纹特征提取只是利用深度学习进行分类的问题，利用CNN网络特征提取的特性,实现了一种基于CNN网络的对预处理后的跳频信号实现特征提取和分类网络模型。首先将收集的跳频信号进行短时傅里叶变换转换到跳频信号敏感的频域，将跳频信号频谱图作为CNN网络模型的输入，CNN网络通过多层卷积提取信号频域深层次特征，通过Batch Normalization、Callback函数的优化加快了网络的收敛速度，同时防止了过拟合现象，最终输出跳频信号的识别分类结果。对比实验结果表明，CNN网络的分类识别正确率较以往的方法更高，在信号信噪比越大的情况下，识别效果越好。

来源：2020年第3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2020年第3期