典型文献
基于注意力机制的雷达信号分选算法
文献摘要：
针对传统雷达信号电子侦察先分选、再融合、后识别的流程繁琐且低效,本文提出直接对疑似敌方雷达的某个脉冲构建单脉冲特征矩阵,基于注意力机制与卷积神经网络(CNN)对其进行高相关脉冲的挑选和脉间调制类型识别.对挑选的高相关脉冲和识别的脉间调制类型结果进行分析,提取出脉冲间特征以及脉冲特征的相对关系,进一步完成后续分选操作.注意力机制分特征空间和脉冲重复间隔(PRI)时序两个层面.特征空间层面以待识别脉冲为焦点,利用位置分布特征和各分布位置脉冲数统计特征提取高相关性脉冲,简化单脉冲特征矩阵,完成预分选.PRI时序层面先通过CNN判断脉冲序列是否为混合型,若为混合型,则存在干扰脉冲,以待识别脉冲为焦点进行二维变换,分析其分布规律,根据杂散程度去除干扰脉冲.由于神经网络训练慢且不同脉间调制类型的脉间特征相对关系是已知的,采用有监督学习方式,提前用CNN对不同脉间调制类型进行学习,从而达到脉间类型识别的目的.通过对常规、抖动、参差、脉组变频、捷变频、脉宽捷变、线性滑变这7种脉间调制类型雷达信号进行分选仿真,验证了基于注意力机制的雷达信号分选算法对同时到达多目标雷达信号进行先识别后分选的可行性.仿真结果表明,该方法较传统信号主+预分选方法更加高效,且识别正确率更高.
文献关键词：
注意力机制;卷积神经网络;单脉冲特征矩阵;雷达信号分选;脉间调制类型雷达
中图分类号：
作者姓名：
郭立民;聂新文;陈涛;郑鑫桐
作者机构：
哈尔滨工程大学信息与通信工程学院,哈尔滨 150001
文献出处：
引用格式：
[1]郭立民;聂新文;陈涛;郑鑫桐-.基于注意力机制的雷达信号分选算法)[J].天津大学学报（自然科学与工程技术版）,2022(07):690-700
A类：
单脉冲特征矩阵,脉间特征,脉间调制类型雷达,多目标雷达
B类：
注意力机制,雷达信号分选,电子侦察,再融合,敌方,某个,关脉,调制类型识别,出脉冲,分特征,特征空间,PRI,间层,以待,位置分布,分布位置,脉冲数,统计特征,预分,脉冲序列,混合型,若为,杂散,神经网络训练,有监督学习,学习方式,抖动,捷变频,脉宽,别后,分选方法
AB值：
0.228925
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
