基于融合Attention機制的殘差神經網絡雷達干擾感知方法

郎 彬， 宮 健， 陳 賡

(空軍工程大學，西安 710000)

0 引言

雷達作為電子戰中目標偵察、作戰支援的重要裝備，其應對復雜電磁環境的能力是戰爭勝利的重要保障。為保證雷達系統的生存和效能，作為雷達智能化抗干擾體系核心的雷達干擾感知技術[1]需要隨著電磁環境和干擾技術的變化而不斷發展，因此,雷達干擾感知研究具有重要的軍事價值和意義。

根據干擾作用機理的不同，干擾可分為壓制性干擾、欺騙性干擾[2]以及復合干擾。對各類干擾的感知需提取有區分度的特征，傳統識別研究在多信號域中人工設計或發現有效的特征。文獻[3]在時頻域上建模分析合成孔徑雷達回波與欺騙干擾的差異，利用直方圖匹配距離對特征進行增強，有效地識別出虛假目標；文獻[4]將頻域上的多尺度相像系數作為區分各干擾信號的本質特征，使用改進的支持向量機(Support Vector Machines,SVM)模型針對3類干擾實現了87.5%的識別準確率；文獻[5]針對箔條干擾識別問題，引入極化散射參數研究箔條云的散射特性，將極化散射參數作為SVM識別箔條干擾的特征向量；文獻[6]基于熵理論，提取干擾信號的信息熵、范數熵與指數熵用于有源干擾區分。這些依賴人工設計的方式除存在特征區分度隨干擾技術發展逐漸下降的不足之外，還面臨對于抽象的關鍵特征難以提取的問題。近年來，深度學習以自動學習輸入數據特征的能力被廣泛應用于圖像、文本、語音識別等領域。有學者用其對雷達干擾進行感知識別并表現出良好的性能。……