<track id="j575v"><span id="j575v"><th id="j575v"></th></span></track>
<address id="j575v"></address>

    <video id="j575v"><progress id="j575v"><progress id="j575v"></progress></progress></video>

      <p id="j575v"></p>

    
    
      <form id="j575v"><dl id="j575v"></dl></form>
      <video id="j575v"></video><nobr id="j575v"></nobr><video id="j575v"></video>
        <track id="j575v"></track>

        <pre id="j575v"></pre><big id="j575v"><span id="j575v"></span></big>

            您當前所在位置: 首頁 > 首發論文
            動態公開評議須知

            1. 評議人本著自愿的原則,秉持科學嚴謹的態度,從論文的科學性、創新性、表述性等方面給予客觀公正的學術評價,亦可對研究提出改進方案或下一步發展的建議。

            2. 論文若有勘誤表、修改稿等更新的版本,建議評議人針對最新版本的論文進行同行評議。

            3. 每位評議人對每篇論文有且僅有一次評議機會,評議結果將完全公示于網站上,一旦發布,不可更改、不可撤回,因此,在給予評議時請慎重考慮,認真對待,準確表述。

            4. 同行評議僅限于學術范圍內的合理討論,評議人需承諾此次評議不存在利益往來、同行競爭、學術偏見等行為,不可進行任何人身攻擊或惡意評價,一旦發現有不當評議的行為,評議結果將被撤銷,并收回評審人的權限,此外,本站將保留追究責任的權利。

            5. 論文所展示的星級為綜合評定結果,是根據多位評議人的同行評議結果進行綜合計算而得出的。

            勘誤表

            上傳勘誤表說明

            • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
            • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
            • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

            示例:

            勘誤表

            上傳勘誤表說明

            • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
            • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
            • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

            示例:

            上傳后印本

            ( 請提交PDF文檔 )

            * 后印本是指作者提交給期刊的預印本,經過同行評議和期刊的編輯后發表在正式期刊上的論文版本。作者自愿上傳,上傳前請查詢出版商所允許的延緩公示的政策,若因此產生糾紛,本站概不負責。

            發郵件給 王小芳 *

            收件人:

            收件人郵箱:

            發件人郵箱:

            發送內容:

            0/300

            論文收錄信息

            論文編號 202106-41
            論文題目 基于遷移學習的雷達信號脈內調制識別
            文獻類型
            收錄
            期刊

            上傳封面

            期刊名稱(中文)

            期刊名稱(英文)

            年, 卷(

            上傳封面

            書名(中文)

            書名(英文)

            出版地

            出版社

            出版年

            上傳封面

            書名(中文)

            書名(英文)

            出版地

            出版社

            出版年

            上傳封面

            編者.論文集名稱(中文) [c].

            出版地 出版社 出版年, -

            編者.論文集名稱(英文) [c].

            出版地出版社 出版年,-

            上傳封面

            期刊名稱(中文)

            期刊名稱(英文)

            日期--

            在線地址http://

            上傳封面

            文題(中文)

            文題(英文)

            出版地

            出版社,出版日期--

            上傳封面

            文題(中文)

            文題(英文)

            出版地

            出版社,出版日期--

            英文作者寫法:

            中外文作者均姓前名后,姓大寫,名的第一個字母大寫,姓全稱寫出,名可只寫第一個字母,其后不加實心圓點“.”,

            作者之間用逗號“,”分隔,最后為實心圓點“.”,

            示例1:原姓名寫法:Albert Einstein,編入參考文獻時寫法:Einstein A.

            示例2:原姓名寫法:李時珍;編入參考文獻時寫法:LI S Z.

            示例3:YELLAND R L,JONES S C,EASTON K S,et al.

            上傳修改稿說明:

            1.修改稿的作者順序及單位須與原文一致;

            2.修改稿上傳成功后,請勿上傳相同內容的論文;

            3.修改稿中必須要有相應的修改標記,如高亮修改內容,添加文字說明等,否則將作退稿處理。

            4.請選擇DOC或Latex中的一種文件格式上傳。

            上傳doc論文   請上傳模板編輯的DOC文件

            上傳latex論文

            * 上傳模板導出的pdf論文文件(須含頁眉)

            * 上傳模板編輯的tex文件

            回復成功!


            • 0

            基于遷移學習的雷達信號脈內調制識別

            首發時間:2021-06-11

            廖艷蘋 1   

            廖艷蘋(1980-),女,教授,主要研究方向:陣列天線理論研究

            楊東升 1   
            • 1、哈爾濱工程大學信息與通信工程學院,哈爾濱 150001

            摘要:通常的雷達信號脈內調制方式識別方法是假定待識別信號與數據庫中信號的分布是相同的。而信號的信道傳輸環境在時刻發生著變化,同一雷達發出的信號在不同電磁環境傳輸后的影響千差萬別。針對數據庫中缺少的無標簽信號的識別,本文提出了一種基于遷移學習和卷積神經網絡(Convolutional Neural Network,CNN)的識別算法。該算法能在數據庫中只有單徑信號時,結合新接收到無標簽的多徑信號來進行模型訓練,有效提升識別性能。在設計深度學習模型時通過在卷積神經網絡的基礎上添加遷移學習距離度量損失函數,并設計了一個動態學習因子,提升網絡的特征學習泛化能力。仿真結果表明,改進的算法具有良好的識別性能。在信噪比-2dB~14dB范圍內,對十種信號的整體識別率相較無遷移的CNN模型提升了12.25%。

            關鍵詞: 脈內調制方式識別 遷移學習 卷積神經網絡 多徑信號

            For information in English, please click here

            Modulation of Radar Signal Based on Transfer Learning

            LIAO Yanping 1   

            廖艷蘋(1980-),女,教授,主要研究方向:陣列天線理論研究

            YANG Dongsheng 1   
            • 1、College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China

            Abstract:The usual method for identifying the pulse modulation mode of radar signals assumes that the distribution of the signal to be identified is the same as that of the signal in the database. The signal channel transmission environment is changing all the time, and the influence of the signal sent by the same radar after transmission in different electromagnetic environments varies greatly. Aiming at the recognition of the lack of unlabeled signals in the database, this paper proposes a recognition algorithm based on transfer learning and Convolutional Neural Network (CNN). When there is only single-path signal in the database, this algorithm can combine with newly received unlabeled multi-path signals for model training, which can effectively improve the recognition performance. In the design of the deep learning model, the transfer learning distance measurement loss function is added on the basis of the convolutional neural network, and a dynamic learning factor is designed to improve the generalization ability of the network\'s feature learning. The simulation results show that the improved algorithm has good recognition performance. In the signal-to-noise ratio range of -2dB to 14dB, the overall recognition rate of ten kinds of signals is improved by 12.25% compared with the CNN model without migration

            Keywords: Recognition of intra-pulse modulation transfer learning convolutional neural network multipath signal

            Click to fold

            點擊收起

            基金:

            論文圖表:

            引用

            導出參考文獻

            .txt .ris .doc
            廖艷蘋,楊東升. 基于遷移學習的雷達信號脈內調制識別[EB/OL]. 北京:中國科技論文在線 [2021-06-11]. http://www.c1gkrice.com/releasepaper/content/202106-41.

            No.****

            動態公開評議

            共計0人參與

            動態評論進行中

            評論

            全部評論

            0/1000

            勘誤表

            基于遷移學習的雷達信號脈內調制識別

            久久久久久精品免费免费_香港经典a毛片免费观看变态_天堂av无码大芭蕉伊人av_俄罗斯强奷女人在线播放