周东青，王玉冰， 王 星， 程相东， 肖吉阳

(1.空军工程大学 航空航天工程学院， 陕西 西安 710038； 2.空军西安飞行学院， 陕西 西安 710306；3.空军工程大学 装备管理与安全工程学院， 陕西 西安 710051)

基于深度限制波尔兹曼机的辐射源信号识别*

周东青1，王玉冰1， 王 星1， 程相东2， 肖吉阳3

(1.空军工程大学 航空航天工程学院， 陕西 西安 710038； 2.空军西安飞行学院， 陕西 西安 710306；3.空军工程大学 装备管理与安全工程学院， 陕西 西安 710051)

针对电子侦察中使用常规参数难以有效识别复杂体制雷达信号的问题，提出利用深度限制波尔兹曼机对辐射源识别的模型。模型由多个限制波尔兹曼机组成，通过逐层自底向上无监督学习获得初始参数，并用后向传播算法对整个模型进行有监督的参数微调，利用Softmax进行分类识别。通过仿真实验表明该模型能对辐射源进行有效的特征提取和分类识别，具有较高的识别精度和较强的鲁棒性。

辐射源信号识别；深度学习；限制波尔兹曼机

雷达辐射源识别是雷达威胁告警、电子支援措施和电子情报侦察等系统需要解决的关键问题，也是战场威胁评估和干扰决策制定的重要依据[1]。雷达辐射源识别是通过无源侦察设备接收雷达辐射源发射的脉冲数据，并分析、提取辐射源个体特征，唯一确定辐射源个体的过程。通过雷达辐射源识别可以完成威胁判断和平台鉴别[2]。

传统的辐射源识别方法依赖于5个常规参数[3]，即射频(Radio Frequency, RF)、幅度、脉冲宽度(Pulse Width, PW)、到达时间(Time Of Arrival, TOA)和到达角度(Angle Of Arrival, AOA)，通常称为脉冲描述字(Pulse Description Words，PDW)。……