基于集成时频通道注意力的倒残差神经网络干扰识别

作者：靳增源; 张晓瀛; 谭思源; 张学庆; 魏急波

来源：信号处理, 2023, 39(02): 343-355.

DOI：10.16798/j.issn.1003-0530.2023.02.015

• 干扰识别
• 深度神经网络
• 倒残差结构
• 注意力机制

准确识别干扰类型是实施高效抗干扰举措的先决条件。针对低干噪比（Jamming-to-Noise Ratio,JNR）的条件下干扰识别准确率低的问题，本文将信号短时傅里叶变换（Short Time Fourier Transform,STFT）后的时频图像作为卷积神经网络训练输入，提出一种以倒残差结构为主体的神经网络架构，并引入联合时频通道注意力机制模块，同时从时频图像提取时频域和通道域的综合干扰特征，充分利用多维度的干扰特征信息来准确识别干扰类型。仿真结果表明，在JNR=-8 dB时，本文所提算法能够实现对8种类型干扰100%的准确识别，在JNR=-10 dB时所有类型的干扰信号识别准确率都能达到98.3%以上，在JNR=-14 dB准确率也依然可以达到90%以上。同时分析了所提算法的网络复杂度，结果表明所提方案在时间和空间复杂度上得到了较好的折中，验证了模型的性能优越性。

• 单位
  西安电子工程研究所; 国防科技大学