《表3 两种网络性能比较:基于PID和深度卷积神经网络的辐射源识别方法》
图10是2种网络的识别率随迭代次数的变化曲线,传统卷积网络[10]随着迭代次数的增加,识别率在迭代次数为150左右时,开始出现下降。而改进型卷积网络由于增加了对输出错误率的约束,分类识别率没有因为迭代次数的增加而出现下降。因此可以得出结论:基于PID算法的卷积神经网络消除了过拟合现象,增强了网络的泛化能力。表3是两种卷积神经网络的性能参数,从识别率来看,本文算法比传统算法的电台识别率更高,平均识别率为92.59%。从识别率方差来看,本文算法下的识别率方差更小,说明网络识别效果更为稳定。从训练用时来看,本文算法用时更少,较传统卷积网络算法整体用时少了35.3 min,说明算法复杂度较低。
图表编号 | XD00170143300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 曹阳、王金明、徐程骥、岳振军、狄恩彪 |
绘制单位 | 陆军工程大学通信工程学院、陆军工程大学通信工程学院、南京国电南自电网自动化有限公司、陆军工程大学通信工程学院、陆军工程大学通信工程学院 |
更多格式 | 高清、无水印(增值服务) |