基于LSTM和残差网络的雷达有源干扰识别

作者：邵正途^*; 许登荣; 徐文利; 王晗中

来源：系统工程与电子技术, 2023, 45(02): 416-423.

• 干扰识别
• 深度学习
• 长短时记忆
• 残差网络

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。

• 单位
  国防科技大学; 中国人民解放军空军预警学院