資源描述：
《基于時(shí)頻圖像的雷達(dá)信號(hào)調(diào)制識(shí)別技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)：密級(jí)：0ＵＤＣ：編號(hào)：0工學(xué)碩士學(xué)位論文基于時(shí)頻圖像的雷達(dá)信號(hào)調(diào)制識(shí)別技術(shù)研究碩士研究生：孔維宇指導(dǎo)教師：高敬鵬講師學(xué)科、專業(yè)：信息與通信工程論文主審人：郜麗鵬教授哈爾濱工程大學(xué)2018年3月分類號(hào)：密級(jí)：0ＵＤＣ：編號(hào)：0工學(xué)碩士學(xué)位論文基于時(shí)頻圖像的雷達(dá)信號(hào)調(diào)制識(shí)別技術(shù)研究碩士研究生：孔維宇指導(dǎo)教師：高敬鵬講師學(xué)位級(jí)別：工學(xué)碩士學(xué)科、專業(yè)：信息與通信工程所在單位：信息與通信工程學(xué)院論文提交日期：2018年3月14日論文答辯日期：2018年3月11日學(xué)位授予單位：哈爾濱工程大學(xué)Class
2、ifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngRadarSignalModulationRecognitionTechnologyBasedonTime-FrequencyImageCandidate:KongWeiyuSupervisor:LecturerGaoJingpengAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngi
3、neeringDateofSubmission:March14,2018DateofOralExamination:March11,2018University:HarbinEngineeringUniversity哈爾濱工程大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：本論文的所有工作，是在導(dǎo)師的指導(dǎo)下，由作者本人獨(dú)立完成的。有關(guān)觀點(diǎn)、方法、數(shù)據(jù)和文獻(xiàn)的引用已在文中指出，并與參考文獻(xiàn)相對(duì)應(yīng)。除文中已注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)公開(kāi)發(fā)表的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體
4、，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。作者（簽字）：日期：年月日哈爾濱工程大學(xué)學(xué)位論文授權(quán)使用聲明本人完全了解學(xué)校保護(hù)知識(shí)產(chǎn)權(quán)的有關(guān)規(guī)定，即研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)屬于哈爾濱工程大學(xué)。哈爾濱工程大學(xué)有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件。本人允許哈爾濱工程大學(xué)將論文的部分或全部?jī)?nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文，可以公布論文的全部?jī)?nèi)容。同時(shí)本人保證畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫(xiě)的論文一律注明作者
5、第一署名單位為哈爾濱工程大學(xué)。涉密學(xué)位論文待解密后適用本聲明。本論文（□在授予學(xué)位后即可□在授予學(xué)位12個(gè)月后□解密后）由哈爾濱工程大學(xué)送交有關(guān)部門(mén)進(jìn)行保存、匯編等。作者（簽字）：導(dǎo)師（簽字）：日期：年月日年月日基于時(shí)頻圖像的雷達(dá)信號(hào)調(diào)制識(shí)別技術(shù)研究摘要雷達(dá)信號(hào)識(shí)別是電子對(duì)抗及電子偵察中的重要環(huán)節(jié)，在電子戰(zhàn)中具有十分重要的地位和作用。只有充分掌握敵方雷達(dá)的信息，才能贏得現(xiàn)代戰(zhàn)爭(zhēng)的主動(dòng)權(quán)，從而占據(jù)電子戰(zhàn)領(lǐng)域的制高點(diǎn)，這就使得雷達(dá)信號(hào)調(diào)制識(shí)別成為現(xiàn)代電子偵察系統(tǒng)中重要的研究方向。本文對(duì)雷達(dá)信號(hào)時(shí)頻分析
6、、圖像預(yù)處理、特征提取、支持向量機(jī)與深度卷積神經(jīng)網(wǎng)絡(luò)等關(guān)鍵性的技術(shù)進(jìn)行了深入研究。主要研究?jī)?nèi)容概括如下:首先，對(duì)雷達(dá)信號(hào)調(diào)制類型與時(shí)頻分析技術(shù)進(jìn)行研究。給出了常見(jiàn)的雷達(dá)信號(hào)數(shù)學(xué)模型，探討了非平穩(wěn)信號(hào)的時(shí)頻分析方法，給出了九種雷達(dá)調(diào)制信號(hào)在低信噪比下基于CWD分布的時(shí)頻圖。其次，對(duì)基于時(shí)頻圖像的支持向量機(jī)調(diào)制識(shí)別算法進(jìn)行研究，系統(tǒng)地闡述了時(shí)頻圖像預(yù)處理與特征提取技術(shù)，在分析支持向量機(jī)相關(guān)原理的基礎(chǔ)上，針對(duì)支持向量機(jī)進(jìn)行分類時(shí)存在參數(shù)選擇不當(dāng)導(dǎo)致分類效果下降的問(wèn)題，利用改進(jìn)粒子群尋優(yōu)算法兼顧對(duì)局部最優(yōu)
7、解和全局最優(yōu)解的搜索，克服了傳統(tǒng)優(yōu)化方法易陷入局部最優(yōu)解的缺陷，以聯(lián)合四類圖像特征為識(shí)別特征，在此基礎(chǔ)上提出了一種基于改進(jìn)粒子群尋優(yōu)的支持向量機(jī)調(diào)制識(shí)別算法，進(jìn)一步提升了調(diào)制識(shí)別的正確率。然后，對(duì)基于時(shí)頻圖像的卷積神經(jīng)網(wǎng)絡(luò)調(diào)制識(shí)別算法進(jìn)行研究，簡(jiǎn)述了卷積神經(jīng)網(wǎng)絡(luò)的原理和基本架構(gòu)，分析了卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方法，探討了預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型。在此基礎(chǔ)上，結(jié)合遷移學(xué)習(xí)理論，分別提出了兩種基于時(shí)頻圖像的FT-GoogLeNet-icp4-SVM、FT-VGGNet-fc6-SVM調(diào)制識(shí)別算法，充分發(fā)掘了預(yù)
8、訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型在多分類模型中參數(shù)提取的優(yōu)勢(shì)，解決了深層網(wǎng)絡(luò)小樣本訓(xùn)練難的問(wèn)題，在一定程度上降低了訓(xùn)練的時(shí)間成本和訓(xùn)練復(fù)雜度。仿真結(jié)果表明，所提算法顯著提升了系統(tǒng)的識(shí)別效果。最后，對(duì)基于時(shí)頻圖像的多信號(hào)調(diào)制識(shí)別技術(shù)進(jìn)行研究，概述了分?jǐn)?shù)階傅里葉變換的原理，研究了快速DFRFT方法實(shí)現(xiàn)，提出了一種基于時(shí)頻圖像的聯(lián)合分類器多信號(hào)調(diào)制識(shí)別算法，該算法實(shí)現(xiàn)了多信號(hào)的有效分離，利用多種分類識(shí)別算法克服了低信噪比下多信號(hào)時(shí)頻信息不完整導(dǎo)致識(shí)別率低的問(wèn)題，為多信號(hào)的調(diào)制識(shí)別提供了新的思路。關(guān)鍵
