科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对低信噪比条件下雷达信号特征提取难、识别稳定性低的问题，提出了一种基于深度分组卷积、多尺度卷积和自注意力机制的雷达行为模式识别算法，在不增加训练难度的情况下提高复杂环境下的识别能力。该算法先采用深度分组卷积在浅层网络分离弱相关的通道，再通过多尺度卷积代替常规卷积实现多维特征的提取，最后利用自注意力机制调整优化不同特征图的权值，抑制低相关和负相关的通道与空间带来的影响。对比实验表明，所提MSCANet在0～50%丢失脉冲和虚假脉冲条件下平均识别率达到约92.25%,与基线网络AlexNet、ConvNet、ResNet、VGGNet相比，准确率提升了约5%～20%,不同雷达行为模式识别稳定，模型具有更好的泛化性和鲁棒性。同时，消融实验证明了深度分组卷积、多尺度卷积和自注意力机制对模式识别的有效性。
- 单位
