系统工程与电子技术

作者：张龙, 朱连宏*, 杨波, 雷震, 冯轩铭

单位：1. 军事科学院系统工程研究院，北京 100101；2. 海军航空大学，山东 烟台 264000；3. 陆军研究院科技创新研究中心，北京 100012

关键词：深度学习,自适应融合,双维注意力,智能识别,动量迭代法

基金：复杂系统仿真总体重点实验室基金(JZX7Y202401SY000601)资助课题

针对复杂对抗环境下反舰导弹目标识别面临的特征模糊、诱饵欺骗性强及传统识别算法鲁棒性不足等问题，提出一种多模态自适应融合网络（multimodal adaptive fusion network, MFA-Net）。该模型采用参数非共享分支分别提取雷达、红外与电子支援措施的异构特征，通过通道-空间双维注意力机制实现跨模态自适应融合，引入基于动量迭代方法的对抗训练策略，以极小极大优化框架增强模型内在鲁棒性，提升其在干扰条件下的决策稳定性。通过Macro-F1分数、抗干扰鲁棒性、推理时效构建非线性综合识别效能指数。实验表明，MFA-Net模型的综合识别效能指数达0.853 1，显著优于几种对比模型，干扰强度灵敏度分析进一步验证了模型在不同对抗等级下的性能稳定性。

来源：2026年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2026年第3期