-
题名基于卷积神经网络的电控单元电磁脉冲特征识别方法
- 1
-
-
作者
沈勋
王紫焱
丁少鸿
魏民祥
-
机构
中国人民解放军
-
出处
《电子科技》
2025年第12期97-104,共8页
-
基金
国家重点研发计划(2018YFB2003300)。
-
文摘
针对电磁脉冲耦合信号非平稳特征明显以及样本量较少降低了电磁脉冲耦合信号特征识别准确率的问题,文中提出了一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的数据增强的电磁脉冲特征识别方法。通过构建MobileNetV4模型识别电控单元电磁脉冲特征,并通过短时傅里叶变换(Short Time Fourier Transform,STFT)时频分析方法将电磁脉冲耦合信号转变为时频伪彩图。由于数据集较少,采用卷积神经网络学习电磁脉冲特征,拟建立DCGAN模型进行数据增强,进而扩充数据集,解决数据集较少导致模型出现过拟合问题。选取轻量型卷积神经网络MobileNetV4作为容错观测器对电磁脉冲敏感特征识别进行训练,并根据识别任务来改进模型,为主动容错方法提供主动容错观测器。采用结构相似指数(Structural Similarity Image Metric,SSIM)来评价生成图像的质量。实验结果表明,生成图像的SSIM值均大于0.9,说明生成图像可作为电磁脉冲识别网络的训练数据。所提模型与VGG16(Visual Geometry Group 16)、ResNet50(Residual Network50)和EfficientNet的识别准确率和召回率对比结果验证了所提模型在电磁脉冲敏感特征识别方面的准确性。
-
关键词
电磁脉冲耦合信号
时频分析
特征识别
深度卷积生成对抗网络
mobilenetv4模型
主动容错
-
Keywords
electromagnetic pulse coupling signal
time frequency analysis
feature recognition
deep convolutional generative adversarial network
mobilenetv4 model
active fault tolerance
-
分类号
TN6
[电子电信]
-
