来源：期刊VIP网 时间：
作者：李程;陈明虎;施育鑫;张宁松;胡凯;
单位：国防科技大学第六十三研究所;南京信息工程大学电子与信息工程学院;国防科技大学电子科学学院;
摘要：在复杂电磁环境中,获取真实干扰信号样本会比较困难。针对该问题,提出了一种基于深度卷积生成对抗网络-卷积神经网络(Deep Convolution Generative Adversarial Network-Convolutional Neural Network,DCGAN-CNN)的小样本通信干扰信号识别方法。该方法利用DCGAN的生成对抗特性来扩充小样本通信干扰信号时的频图数据集,将真实样本与生成样本混合后,输入到CNN中进行训练识别,在DCGAN和CNN中引入学习率调度器,帮助模型更好地收敛。仿真结果表明,所提方法可有效提高小样本情况下通信干扰信号的识别率。
关键词：通信抗干扰;;通信干扰信号识别;;小样本学习;;深度卷积生成对抗网络-卷积神经网络
基金资助：国家社会科学基金(2022-SKJJ-B-112)~~
