一种基于深度学习BERT模型的雷达信号分选方法

本申请提供一种基于深度学习BERT模型的雷达信号分选方法，将脉冲描述字的参数信息和对应的标签进行处理形成数据集；接着将数据集进行编码，划分为训练集、验证集和测试集；然后搭建深度学习BERT模型，利用训练集和验证集对模型进行训练和验证，保存模型参数；再将训练好的模型参数应用于模型，在测试集上进行推理；最后计算模型的分选准确率，保留分选准确率最高的模型参数，完成任务模型。本发明充分利用了PDW的更多参数，从而提高分选准确度；端到端的模式减少人工对分选中参数进行设置的参与度；对于高密度的混叠信号流和复杂调制的信号适应性强，受复杂电磁环境影响小。