生成对抗网络在雷达反欺骗干扰中的应用框架

作者：杨志峰; 李增辉^*; 刘笑; 冀鑫炜; 王恩堂

来源：现代雷达, 2020, 42(08): 56-70.

DOI：10.16592/j.cnki.1004-7859.2020.08.011

• 对抗性样本
• 反欺骗干扰
• 卷积神经网络
• 雷达
• 生成对抗网络

在传统研究中,关于如何形成最能模拟目标的欺骗干扰,以及如何提取最能辨识欺骗干扰的特征,都没有现成的理论方法。文中提出了解决这一问题的研究框架,引入深度卷积神经网络(CNN)作为判决器训练反欺骗干扰,再验证CNN网络的对抗性样本风险。在此基础上,以CNN网络为基础构建物理约束的生成对抗网络,从而实现欺骗干扰与反欺骗干扰闭环连接,通过数据训练使二者相互激励并趋向纳什均衡。