系统工程与电子技术

作者：邵正途, 许登荣, 徐文利, 王晗中

单位：1. 空军预警学院信息对抗系, 湖北 武汉 430019；2. 空军预警学院雷达士官学校, 湖北 武汉 430300；3. 国防科技大学电子科学学院, 湖南 长沙 410073

关键词：干扰识别,深度学习,长短时记忆,残差网络

基金：空军预警学院青年科技人才托举工程基金(TQGC-2021-007)

针对目前雷达干扰识别方法存在人工特征提取难、强噪声环境下识别率不高的问题, 提出了一种基于长短时记忆(long short-term memory, LSTM)网络和残差网络相结合的雷达有源干扰识别方法。输入有源压制干扰原始时域序列数据, 搭建深度学习网络模型对不同干噪比下的干扰信号进行分类识别。仿真结果表明: 在干噪比为0 dB的情况下, 该方法对4类雷达有源干扰信号的识别准确率均高于98.3%, 与单纯的残差网络和卷积神经网络(convolutional neural networks, CNN)等其他深度学习算法相比，具有更佳的网络性能, 验证了该算法的有效性。

来源：2023年第2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2023年第2期