基于深度学习的雷达干扰信号类型识别方法及装置

本发明公开了一种基于深度学习的雷达干扰信号类型识别方法，构建的深度学习网络架构能够直接处理雷达干扰信号的平滑伪Wigner‑Ville分布时频图像数据集，卷积核能够自动提取干扰时频图像中的复合特征，无需人工设计特征，从而简化了分类流程。此外，该网络架构可以在训练过程中自主调整参数，适用于不同类型的干扰信号。并且，采用了迁移学习的SqueezeNet网络，通过设计的多个Fire模块，能够在保持较高精度的同时，大幅减少模型的参数数量，从而减少了计算资源的需求和迭代时间。使得该网络更容易部署在各种硬件平台上，尤其是资源受限的设备，增大了适用的场景。