来源：期刊VIP网 时间：
作者：李辉;王悦悦;魏坡;邹波蓉;王伟东;
单位：河南理工大学物理与电子信息学院;
摘要：目的 针对目前深度学习方法在雷达信号识别中需要海量数据且网络复杂、计算量大、设备要求高等问题，方法 提出一种联合改进CycleGAN和MobileNetV3-Small轻量化卷积神经网络的雷达信号识别算法。首先，选取8种常见的雷达信号类型构建时域序列，为了更好保留时频特征，在信号预处理阶段将其通过崔-威廉斯分布形成图像数据集，在数据集扩充阶段将图像数据集作为CycleGAN迁移网络的输入，约束指导目标图像的生成，以解决样本不足的问题；然后，在CycleGAN的生成器中引入U-Net结构和残差密集块并更改判别器的判别方式和损失函数，以解决数据集扩增过程中的特征模糊和梯度消失等问题；最后，在信号识别阶段，通过构建具有代表性的MobileNetV3-Small轻量化网络，完成识别验证任务。结果 图像生成网络CycleGAN的图像评价指标PSNR为39.74 dB,SSIM为0.95;MobileNet-Small信号识别网络模型迭代训练100次的参数量为1 538 942，总运行时间为2 152 s,FLOPs为127 351 188，准确率为99.30%。结论 本文算法生成的图像与真实样本相似度高、失真度小，在不以牺牲准确率为代价的前提下识别速度有很大提升，有效实现了小样本条件下雷达信号的高精度识别。
关键词：雷达信号识别;;崔-威廉斯分布;;残差密集块;;CycleGAN;;MobileNetV3-Small
基金资助：国家自然科学基金资助项目（62101176）
