侯坤元，黎仁刚，童 真，高墨韵

(中国船舶重工集团公司第七二三研究所，江苏 扬州 225101)

0 引 言

雷达信号识别在电子战中具有十分重要的地位和作用。只有充分掌握敌方雷达的信息,才能赢得现代战争的主动权,从而占据电子战的制高点,这就使得雷达和通信信号调制识别成为现代电子侦察系统中重要的研究方向。国内外的信号调制识别方法分为基于准优化对数似然比的调制方式识别[1]、基于信号瞬时特征量识别、基于循环谱分析的识别算法[2]、基于高阶累积量识别[3]等。随着近年来人工智能技术的快速发展，深度神经网络在各个领域大放异彩，包括自然语言处理、图像分类等。深度学习擅长发现高维数据的潜在结构和模式，而且需要较少的领域知识，省去了大量提取特征的时间。其中卷积神经网络(CNN)被证明在数据的深层次特征提取、表示构建方面有很好的效果。

最早在神经网络信号调制识别分类器中，特别是在CNN分类器中，一般根据 CNN 对图片识别的原理，对接收到的信号进行预处理，生成循环谱图或者星座图[4]等。利用信号的循环谱进行特征识别是早期比较受欢迎的识别方法，因为每一种调制信号的循环谱是不一样的，所以可以根据信号循环谱中的峰值个数和排列方式等特点对不同调制信号进行识别[5-6]，并将生成的图形作为CNN网络的输入，通过卷积层和下采样层交替对循环谱图或星座图进行特征提取并完成自动识别。……