一种基于改进ShuffleNet的雷达信号RD图像干扰辨识方法及系统技术方案

本发明专利技术公开了一种基于改进ShuffleNet的雷达信号RD图像干扰辨识方法及系统，构建干扰条件下的雷达信号RD图像数据集，将雷达信号RD图像数据集划分为训练样本和测试样本；构建注意力增强的ShuffleNet识别模型，设定注意力增强的ShuffleNet识别模型分类任务的损失函数；利用训练样本对注意力增强的ShuffleNet识别模型进行训练；将测试样本输入训练完的注意力增强ShuffleNet识别模型中，预测输出测试样本类别及置信度分数，完成雷达信号RD图像干扰辨识。本发明专利技术引入注意力增强模块，从通道信息交互层面来加强特征通道间的交互，提高特征的判别性，从而提升干扰下图像雷达信号RD图像识别精度。精度。

【技术实现步骤摘要】
一种基于改进ShuffleNet的雷达信号RD图像干扰辨识方法及系统


[0001]本专利技术属于雷达信号
，具体涉及一种基于改进ShuffleNet的雷达信号RD图像干扰辨识方法及系统。

技术介绍

[0002]雷达信号的RD图像干扰辨识旨在对受干扰雷达信号进行干扰类型识别。传统的干扰辨识方法包括基于极大似然准则的干扰识别算法以及基于特征提取的干扰识别算法，这些方法需要人工分析和提取特征且极大程度上依赖于领域先验和专家经验，不仅处理流程僵化，而且自动化与智能化水平均较低，泛化能力弱，难以适应瞬息万变的复杂对抗环境。
[0003]近年来，雷达信号干扰辨识普遍采用基于深度学习的方法，深度卷积网络因其结构具有深度非线性，且获取深层信息的能力和建模非线性的能力而备受推崇。基于深度学习的干扰辨识方法无需手工设计特征，对雷达信号RD图像数据自行进行特征提取，性能表现超过传统算法。其中ShuffleNet模型提出了通道混洗操作，增强了卷积网络中的通道信息交流，具有速度快、参数量小、精度高等优点。然而，由于ShuffleNet模型中的通道混洗、通道本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进ShuffleNet的雷达信号RD图像干扰辨识方法，其特征在于，包括以下步骤：S1、构建干扰条件下的雷达信号RD图像数据集，将雷达信号RD图像数据集划分为训练样本和测试样本；S2、构建注意力增强的ShuffleNet识别模型，设定注意力增强的ShuffleNet识别模型分类任务的损失函数L
cls
；S3、利用步骤S1划分的训练样本对步骤S2构建的注意力增强的ShuffleNet识别模型进行训练；S4、将步骤S1中的测试样本输入到步骤S3训练完的注意力增强ShuffleNet识别模型中，预测输出测试样本类别及置信度分数，完成雷达信号RD图像干扰辨识。2.根据权利要求1所述的方法，其特征在于，步骤S1中，将雷达信号RD图像数据集中的50％作为训练样本，剩余的50％作为测试样本。3.根据权利要求1所述的方法，其特征在于，步骤S2具体为：S201、构建包括二十二个卷积层、五个通道混洗模块、一个池化层和两个全连接层的ShuffleNet识别网络；S202、从ShuffleNet识别模型的通道混洗模块中获得一系列特征图F
shuffle
；S203、构建注意力增强模块，包括一个池化层、两个全连接层、ReLU激活层、Sigmoid激活层，其结构关系为：池化层
→
第一全连接层
→
ReLU激活层
→
第二全连接层
→
Sigmoid激活层，之后将Sigmoid激活层的输出结果与注意力增强模块的输入相乘并作为结果F
att
输出；S204、将通道混洗模块中获得的特征图F
shuffle
作为注意力增强模块的输入，得到注意力增强的特征图F
att
；S205、将注意力增强模块中获得的特征图F
att
作为分类层的输入，得到识别结果。4.根据权利要求3所述的方法，其特征在于，步骤S203中，注意力增强模块包括一个池化层、两个全连接层、ReLU激活层、Sigmoid激活层，其结构关系为：池化层
...

【专利技术属性】
技术研发人员：张向荣，王冠淳，罗双才，唐旭，陈璞花，张庆，匡宏印，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：