《表1 不同信号分选方法性能比较》

  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

《一种改进的DNN算法在雷达信号分选中的应用》

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

通过实验进行不同分类方法的性能比较和分析[11]。其中，SAE方法是通过堆叠多个自动编码器形成的模型，它能学习数据集中的特征，具有较强的鲁棒性和特征表达能力；SVM分类器是目前模式识别、分类领域具有强泛化能力的方法；后一种方法是基于脉冲描述字特征的信号分类方法，这种方法特征提取耗时，受先验知识的制约。针对本文仿真的七类不同类型的雷达信号，经过FFT变换获得的频域波形分布特征作为实验数据。参考相关文献其他算法进行比较，其中，SAE深度模型方法经过实验选择较优的参数进行雷达信号识别；SVM分类方法经过五折交叉验证方法和网格寻优实验获得较优的参数，进行信号分类。实验结果如表1所示。