系统工程与电子技术

作者：高飞*(), 席睿达(), 邢相薇(), 邢妍(), 张强(), 党红杏()

单位：1. 中国航天科技集团有限公司第五研究院西安分院，陕西 西安 710100；2. 西安电子科技大学机电工程学院，陕西 西安 710071；3. 中国人民解放军 61646部队，北京 100192

关键词：合成孔径雷达图像,干扰,分类识别,深度学习,数据集构建

基金：卫星信息智能处理与应用技术重点实验室基金项目(2022-ZZKY-JJ-09-01); 2022年度中国空间研究院CAST基金重点项目资助课题

合成孔径雷达（synthetic aperture radar，SAR）图像可提供丰富的场景态势信息，而逐步恶化的电磁环境使得SAR抗干扰技术备受关注。近年来，深度学习技术在图像分类识别方面展现出优越性能。针对用于训练深度模型的有源干扰SAR图像数据需求量大且缺少干扰图像数据集的现状，在对13种典型有源干扰样式及其对SAR干扰特性分析的基础上，从多场景干扰参数覆盖性角度考虑，进行基于仿真的SAR干扰图像数据集构建；搭建基于Transformer的干扰识别模型和多个典型模型，在构建数据集上进行干扰分类识别研究。实验结果表明，由于引入全局自注意力机制的同时结合了可变形注意力机制，所提基于Transformer的干扰识别模型具备更强的干扰特征全局建模能力和干扰区域鉴别能力，在所构建数据集上相对其它模型表现出更为优良的性能。

来源：2025年第10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2025年第10期