文献

J-GLOBAL ID：201902230414475436   整理番号：19A0472403

深い畳込みニューラルネットワークに基づくレーダエミッタ同定【JST・京大機械翻訳】

Radar Emitter Identification Based on Deep Convolutional Neural Network

著者 (4件)： Kong Mingxin (Hangzhou Dianzi University, School of Automation, Hangzhou, China) ,  Zhang Jing (Hangzhou Dianzi University, School of Automation, Hangzhou, China) ,  Liu Weifeng (Hangzhou Dianzi University, School of Automation, Hangzhou, China) ,  Zhang Guilin (The 28th Research Institute of CETC, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCAIS  ページ： 309-314  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： レーダ放射線源の同定と分類を目的として,本論文は,レーダ信号分類のための畳込みニューラルネットワーク(CNN)に基づく分類法を提案した。最初に,本論文は,適切な学習速度,バッチサイズ,反復数,運動量および重量減衰係数をセットした。第二に,時間領域実部波形信号をモデル化して,ネットワーク構造を解析のために選択した。最後に,短時間Fourier変換(STFT)による時間領域波形の分光写真に従って,2つの異なる畳込みニューラルネットワークモデルを設計した。結果は,ネットワークがより多くの識別特徴表現を学習して,STFTの後より良い一般化能力を持つことを示した。CNNの深い学習は,レーダ信号の分光写真における特徴表現を抽出することにおいて,より大きな利点を持った。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線源 ,  ロット ,  減衰定数 ,  ネットワーク構造 ,  運動量 ,  *レーダ ,  *ネットワーク ,  モデリング
準シソーラス用語： 特徴表現 ,  時間領域 ,  学習速度 ,  分類法 ,  信号分類 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  レーダ ,  エミッタ ,  同定