科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对复杂干扰场景下参数变化范围大、决策树特征适应性较差等问题，本文提出了一种基于多域特征参数关联的雷达有源干扰智能识别方法。首先，针对干扰信号在时域、频域、脉压等多个域中的特点，设计了相应的特征参数。这些特征参数能够全面地描述干扰信号的特征。接着，采用随机森林的平均信息增益来选择不同干扰参数条件下的特征参数，并将它们进行关联。然后，结合多域关联特征和典型的神经网络，提出了一种改进的ResNet18网络。通过利用多域关联特征，该网络能够更准确地学习干扰信号的特征，并进行智能识别。最后设置大范围参数的干扰样本训练改进的ResNet18网络，优化其泛化性能。通过计算机仿真实验，本文的方法在大参数范围的有源干扰识别正确率达到了98%以上。而且经过改进后的ResNet18网络参数总量仅为原网络的1/17，大大减少了网络的复杂度。综上所述，本文提出的基于多域特征参数关联的雷达有源干扰智能识别方法具有较高的识别准确性和较低的计算复杂度，可以有效应用于复杂干扰场景中。
-
单位电子信息工程学院; 南京航空航天大学
