基于LSTM和残差网络的雷达有源干扰识别

基于LSTM和残差网络的雷达有源干扰识别
邵正途;许登荣;徐文利;王晗中
【期刊名称】《系统工程与电子技术》
【年(卷),期】2023(45)2
【摘要】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。

【总页数】8页(P416-423)
【作者】邵正途;许登荣;徐文利;王晗中
【作者单位】空军预警学院信息对抗系;空军预警学院雷达士官学校;国防科技大学电子科学学院
【正文语种】中文
【中图分类】TN974
【相关文献】
1.基于残差连接LSTM的雷达目标分类识别方法
2.基于多级跳线残差网络的雷达辐射源识别
3.基于融合Attention机制的残差神经网络雷达干扰感知方法
4.基于
改进残差网络的雷达辐射源信号识别5.一种基于扩张残差网络的雷达信号识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。