-
公开(公告)号:CN115980685A
公开(公告)日:2023-04-18
申请号:CN202211521457.8
申请日:2022-11-30
申请人: 西安电子科技大学 , 中国电子科技集团公司第二十九研究所
摘要: 本发明公开了一种基于GCN的雷达辐射源工作模式识别方法及其装置,涉及雷达信号分类技术领域,包括:对雷达辐射源的各个工作模式进行仿真;提取各个仿真工作模式的特征参数,并形成特征矩阵;其中,特征参数包括脉重频、脉宽、占空比脉内调制方式、频率视数、回照、每个CPI上的脉冲数、带宽;将特征矩阵进行归一化处理;使用处理后的特征矩阵训练预设的GCN识别网络,得到雷达辐射源识别模型;使用雷达辐射源识别模型识别处理后的待识别的雷达辐射源信号,得到雷达辐射源信号的工作模式;将雷达辐射源信号的工作模式进行降维可视化。本申请能够解决现有雷达辐射源不同工作模式之间特征参数上的联系弱、稀疏性的问题。
-
公开(公告)号:CN115222028A
公开(公告)日:2022-10-21
申请号:CN202210804166.3
申请日:2022-07-07
申请人: 西安电子科技大学
摘要: 本发明公开一种基于FPGA的一维CNN‑LSTM加速平台及方法,该平台包括通用CPU和FPGA两部分,通用CPU解析一维CNN‑LSTM神经网络模型并生成指令序列加载到FPGA端的指令存储器,量化模型参数加载到FPGA端的结果存储器,FPGA端的控制器读取指令存储器中的运算指令并控制运算器完成相应的运算,所有运算指令完成后将最终的运算结果写入FPGA端的结果存储器供CPU读取。本发明通过复用同一个乘加阵列完成一维卷积和矩阵乘法两种运算的并行加速,解决了现有技术的单一加速方案中无法支持CNN‑LSTM神经网络模型计算的问题,大大提高了FPGA的计算资源利用率。
-