[发明专利]一种基于卷积神经网络和知识迁移的信号分类识别方法

权利要求书

1.一种基于卷积神经网络和知识迁移的信号分类识别方法，其特征在于：

步骤1：利用设备对雷达信号进行数据采集，将数据转换存储为需要的格式；

步骤2：对采集的原始脉冲描述字数据进行数据清洗：提取维度数据，包括频率、脉宽、幅度、时间、方位角、起始时间；对所述维度数据进行缺失值处理，去除冗余数据；

步骤3：对清洗过的数据进行标准化归一化处理，利用批处理方法优化改变方差大小和均值位置，使得新的分布更切合数据的真实分布，保证模型的非线性表达能力；

步骤4：利用卷积神经网络提取雷达信号特征训练网络模型。

2.一种根据权利要求1所述的卷积神经网络和知识迁移的信号分类识别方法，其特征在于：所述步骤4还包括：

(4-1)读取处理好的雷达信号脉冲描述字数据；

(4-2)建立卷积层提取初步特征；

(4-3)建立池化层提取主要特征；

(4-4)将雷达信号仿真数据进行预训练，利用预训练模型的体系结构进行预训练，加速卷积神经网络的训练过程。