一种基于CNN-LSTM复合深度模型的雷达辐射源信号分选方法

本发明公开了一种基于CNN‑LSTM复合深度模型的雷达辐射源信号分选方法，首先仿真生成混叠的雷达辐射源脉冲信号数据，然后建立CNN网络模型并加入LSTM层，得到CNN‑LSTM复合深度模型，再对混叠雷达辐射源脉冲信号数据进行预处理，划分训练集与测试集，使用训练集训练CNN‑LSTM复合深度模型，最后输入测试集数据到训练好的CNN‑LSTM复合深度模型，进行混叠雷达辐射源脉冲信号分选，得到雷达辐射源分选结果。本发明的方法相较于现有方法以及基于全连接网络的分选方法，分选准确率更高，在面对输入脉冲中漏脉冲率以及虚假脉冲率高的情况下鲁棒性强，可为现代复杂电磁环境下雷达辐射源信号分选提供新的理论支撑和技术途径，为雷达信号接收分析提供有效帮助。