孙艺聪，田润澜，王晓峰，田维群

(空军航空大学 航空作战勤务学院，长春 130022)

0 引 言

雷达信号分类识别[1-2]是电子战领域一个重要的研究方向，在完成信号截获和脉冲参数分析后，需要对信号进行进一步分析，以得到辐射源类型甚至是个体信息，最终获得情报产品。近年来采用深度学习分析脉内调制特性的研究有很多[3-7]。这些方法主要基于两个基本的假设：一是训练集中每种类型样本数量分布大致相同；二是分类错误造成的后果是相同的。然而在现实情况下，由于数据收集方法限制、样本的稀缺性以及噪声干扰等原因，会导致不同类型信号样本数量有很大的差异，而且往往分类错误后所造成的代价通常也不同。尤其是在电子侦察领域，常见的雷达信号类型侦收到的数据有很多，但是对于一些特殊的、威胁程度相对较高的信号类型却很少能被侦察到，得到的数据集不均衡。传统的基于分类准确率指标的方法训练得到的模型分类效果不佳，甚至毫无用处。保证能够准确地识别这些出现概率低且威胁程度高的信号类型，具有十分重要的意义。

针对这个问题，本文提出了一种基于栈式自编码器结合过采样技术支持向量机[8]的分类方法。

1 雷达信号识别流程

本文所提方法的具体流程如图1所示。首先，通过栈式自编码器对中频信号样本集进行特征提取和降维处理，对降维后的数据中的少数类样本采用过采样的方法生成更多数量的少数类样本，使多数类和少数类样本数量达到平衡；……