基于VAE-DANN的变调制雷达辐射源个体识别算法

摘要

针对领域对抗神经网络（DANN）模型的雷达辐射源个体识别（SEI）算法在变调制场景下识别性能显著下降的问题，利用深层变分自编码器（VAE）对雷达信号细微特征进行重构优化，提出一种基于VAE-DANN的变调制雷达SEI算法。首先，在DANN模型特征提取模块后增加深层VAE模块，构建VAE-DANN网络；其次，在VAE-DANN网络对抗训练过程中，利用余弦退火思想自适应动态优化总损失函数权重因子，通过最小化总损失函数逐步调整网络参数获得最优VAEDANN模型；最后，利用最优VAE-DANN模型完成变调制场景下目标域雷达信号的SEI。实验结果表明，在信噪比为10 dB时，所提算法在变调制场景中的雷达SEI平均识别准确率达到94%以上。

关键词

辐射源个体识别 / 雷达信号细微特征 / 变分自编码器 / 领域对抗神经网络 / 余弦退火