基于集成深度学习的雷达信号分选研究

针对目前雷达信号分选方法中难以快速提取到合适的特征,且其准确度较低等问题,提出一种基于集成深度学习模型的信号分选方法.通过堆叠不同类型的深度信念网络改进算法,对雷达辐射源信号进行深入特征学习,将每层模型得到的后验概率进行线性集成学习,再通过决策层确定最终的分类结果,从而进一步提高信号的识别率.采用所提方法对仿真的不同类型的雷达辐射源信号进行分选,实验结果表明,该方法展现出较强的学习到更多数据本质特征的能力;相比于其它信号分选方法,所提方法能显著地提高信号分类的准确率,从而验证了方法的有效性和优越性.