TY -的A2 Touhafi Abdellah AU - Si Weijian AU -罗,Jiaji AU -邓,Zhian PY - 2022 DA - 2022/02/14 TI -雷达信号识别和定位基于多尺度轻量级注意力模型SP - 9970879六世- 2022 AB -雷达信号调制方式的识别技术在电子战中起着至关重要的作用,基于深度学习和算法大大提高了雷达信号的识别精度。然而,卷积神经网络变得越来越复杂和深度学习的进步,使他们不适合平台有限的计算资源。ResXNet,一种新的多尺度轻量级注意力模型,本文提出了。提出ResXNet模型有更大的接受域和小说分组残余结构来提高模型的特征表征能力。此外,卷积块关注模块(CBAM)是利用有效地聚合通道和空间信息,使卷积神经网络模型能够更有效地提取特征。该模型的输入时频图像尺寸增加 600年 × 600年 的信息损失,从而有效地减少输入数据。该模型的平均识别精度达到91.1%,8分贝。此外,该模型性能更好的无监督对象定位与类激活地图(CAM)。雷达信号的分类信息和定位信息可以为后续的融合分析。SN - 1687 - 725 - 2022/9970879 / 10.1155 x你——https://doi.org/10.1155/2022/9970879——摩根富林明——《传感器PB - Hindawi KW - ER