《表1 网络设置:基于残差神经网络的辐射源个体识别》
将降维后的双谱Y和时域信号x (t)的融合输入Fconcat作为残差神经网络的训练样本,以学习识别出特定的辐射源个体。选用152层残差神经网络就能保证有效地提取出信号的高维特征,该网络结构包含着5个卷积层。整个网络设置如表1所示。
图表编号 | XD00222094800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.28 |
作者 | 张宁 |
绘制单位 | 中国人民解放军92578部队 |
更多格式 | 高清、无水印(增值服务) |
将降维后的双谱Y和时域信号x (t)的融合输入Fconcat作为残差神经网络的训练样本,以学习识别出特定的辐射源个体。选用152层残差神经网络就能保证有效地提取出信号的高维特征,该网络结构包含着5个卷积层。整个网络设置如表1所示。
图表编号 | XD00222094800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.28 |
作者 | 张宁 |
绘制单位 | 中国人民解放军92578部队 |
更多格式 | 高清、无水印(增值服务) |