摘要
本发明提供了一种无人机射频信号识别方法及相关装置,涉及深度学习技术领域。通过从无人机射频信号数据集中加载信号数据,所述数据集包含不同无人机机型、探测距离及信号片段标签;将所述信号数据分割为多段互不重叠的连续采样点序列;向所述信号数据中添加不同功率的高斯加性白噪声,构建包含多个信噪比的训练数据集;对所述信号数据进行短时傅里叶变换以生成时频图;对所述时频图进行主成分分析降维,提取关键时频特征;采用k‑fold交叉验证策略对深度神经网络模型进行超参数优化;利用优化后的深度神经网络模型对所述时频图进行分类识别,实现了在不同信噪比条件下精确的对无人机射频信号进行识别的技术效果。
技术关键词
深度神经网络模型
主成分分析降维
信号识别方法
无人机
短时傅里叶变换
贡献率
超参数
信噪比
射频
信号识别装置
采样点
深度学习技术
特征提取模块
数据获取模块
计算机
策略
特征值