《表3 DFIG仿真参数：基于改进CLDNN的辐射源信号识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进CLDNN的辐射源信号识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验3为了进一步研究改进模型的性能，这里将本文提出的改进模型与其他模型进行对比，选择文献[9]和文献[10]提出的LSTM、Bi-LSTM和Bi-GRU3种模型进行对比，另外也将传统的RNN模型和未改进的CLDNN模型以及识别魏格纳时频图像的AlexNet模型作为对照，共7种模型。由于基于图像识别网络需要生成图像特征，而本文采用数据集过大，所以本文在原数据集中每类信号仅选取1 000条数据，共计8 000条产生时频图像，用来构建训练AlexNet网络的数据集，其他网络训练采用的数据集为本文所用的原始数据集。7种模型在不同SNR条件下的识别准确率如图8所示，7种模型训练用时和网络收敛训练的轮数如表3所示。