《表1 信号仿真参数：基于深度学习的跳频信号识别》

  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

《基于深度学习的跳频信号识别》

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

为了对比本文算法和基于支持向量机（Support Vector Machine，SVM）及传统K-Means算法的分选性能优劣，在高斯白噪声下，四种无人机跳频信号的参数产生四个跳频信号，如表1所示；信噪比为-20～30 d B。为了比较本文算法的分选性能，假设已经估计出跳频信号的跳周期和带宽，作为基于SVM和传统K-Means算法的特征向量，并且训练和测试数据都是在已知类别标签条件下实现的降维。为了验证基于轮廓特征的跳频识别算法的有效性，先构建等高线图的数据集，再输入到CNN网络进行训练。