作者：陈维高; 朱卫纲; 唐晓婧; 贾鑫多功能雷达波形单元深度学习降噪自编码器支持向量机
摘要：为提高多功能雷达(Multi-Function Radar,MFR)波形单元的识别准确率和鲁棒性，提出一种栈式降噪自编码器(Stacked Denoising Autoencoders,SDAE)与支持向量机(Support Vector Machine,SVM)相结合的波形单元识别方法.首先摒弃传统依赖脉冲序列分析技术对MFR信号进行处理的方法，通过分析波形单元结构并借助参数间的联合变化特征，提出一种MFR波形单元分段识别模型，将传统对脉冲序列的识别转化为对MFR波形单元的识别；然后在该模型的基础上引入SDAE，对训练样本数据、SDAE隐含层神经元节点进行加噪处理，并利用这些加噪后的样本数据训练优化SDAE网络模型，提取出样本数据的深层稳健特征；最后引入SVM算法，借助SDAE挖掘出的样本深层特征，实现SVM模型的优化，得到最终的波形单元识别模型(SDAE-SVM).仿真实验表明：提出的波形单元识别方法在相同样本数目和测试误差的条件下，与SVM算法相比，能够取得较高的识别准确率，具备更优越的识别效果.证实MFR波形单元识别模型是有效的，且通过SDAE网络的引入，使得SDAE-SVM方法能够自主地挖掘原始信号的深层特征，提高波形单元识别的鲁棒性和准确率.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
