审稿意见

论文标题：基于神经网络的LPI雷达信号调制开集识别算法

作者：贺天章，刘志林，马辉，王晋东

审稿专家意见

一、论文概述

本文提出了一种基于神经网络的低截获概率（LPI）雷达信号调制开集识别算法，旨在解决在开放电磁信号环境中因侦测到未知调制方式信号而导致识别错误率增高的问题。论文结构清晰，内容详尽，涵盖了信号预处理、开集识别算法设计、关键模块实现以及实验结果与分析等方面。

二、优点

创新性强：本文设计了一种轻量级卷积神经网络（SCNN）结合支持向量数据描述（SVDD）和高斯混合聚类分析的开集识别算法，能够有效应对未知调制方式的LPI雷达信号，提高识别系统的鲁棒性和实用性。
方法科学：论文首先通过Choi-Williams时频分析技术将信号转换为二维时频图像，然后利用SCNN进行分类，再利用SVDD进行异常检测，最后通过高斯混合聚类分析对未知信号进行聚类，整个过程逻辑严谨，步骤合理。
实验充分：论文提供了详细的实验设置和结果分析，包括不同信噪比下的识别性能、模型大小和实时性对比等，实验数据充分支持了算法的有效性。
三、不足与修改建议

文献综述不够全面：虽然论文提到了现有的LPI雷达信号调制识别方法，但综述部分相对简略，建议补充更多关于深度学习方法在雷达信号处理领域的最新研究进展，以更全面地展示本文研究的背景和意义。
实验部分可进一步优化：
在实验设置上，可以增加更多种类的LPI雷达信号进行测试，以验证算法的泛化能力。
文中提到的“多数雷达信号侦察设备的检测灵敏度普遍在-6dB左右”，建议补充相关文献支持或说明数据来源。
对于实验结果的分析，可以增加对误识别样本的具体分析，探讨可能的改进方向。
讨论部分有待深入：
在讨论中，可以增加对算法局限性的深入分析，如低信噪比下识别率下降的原因，以及如何提高低信噪比下的识别性能。
对于未来工作的展望，可以更加具体地提出可能的改进方向和潜在的研究点。
四、结论

本文提出了一种创新的LPI雷达信号调制开集识别算法，通过SCNN结合SVDD和高斯混合聚类分析，有效提高了识别系统的鲁棒性和未知信号的检测能力。尽管存在一些不足，但整体研究思路清晰，方法科学，实验结果充分，具有较高的学术价值和应用前景。建议作者在修改时重点关注文献综述的完善、实验部分的优化以及讨论部分的深入，以提升论文的整体质量。

推荐意见：在作者根据审稿意见进行相应修改和完善后，建议录用本文。