摘要：针对深度神经网络能自动学习数据深层特征的优点进行了研究,提出一种基于深度信念网络的信号分选方法,来解决传统雷达信号分选中人工提取特征的耗时、特征冗余等问题。通过堆叠多层的深度模型对原算法进行改进,克服单一模型学习力的不足,对不同信号的本质特征进行深入学习,融合各个深度模型的后验概率进行分类决策,从而进一步提高了信号的识别率。采用改进方法对七种不同类型的雷达信号进行分选识别,并与其他信号分选方法进行对比。实验结果表明,该方法取得了更好的分类效果,展现出较强的学习数据本质特征的能力,从而验证了算法的有效性和优越性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社