一种基于注意力级联网络的有源干扰识别方法技术

本发明专利技术涉及一种基于注意力级联网络的有源干扰识别方法，包括：获取待测干扰信号的一维时域干扰信号；根据一维时域干扰信号，得到时频特征图；将时频特征图输入至训练完成的双层级联识别网络，双层级联识别网络包括级联的第一识别网络和第二识别网络；利用第一识别网络得到第一识别结果，若第一识别结果属于第一干扰类型，则输出第一识别结果；若第一识别结果为异常结果，则执行下一步骤；对待测干扰信号在整个合成孔径时间内的回波进行积累，得到对应的二维干扰回波信号；根据二维干扰回波信号，得到二维图像信息；将二维图像信息输入至第二识别网络，得到第二识别结果，第二识别结果属于第二干扰类型

【技术实现步骤摘要】
一种基于注意力级联网络的有源干扰识别方法


[0001]本专利技术属于干扰识别
，具体涉及一种基于注意力级联网络的有源干扰识别方法
。

技术介绍

[0002]雷达是进行电子对抗的重要工具，随着电子对抗水平的不断提高，对于雷达的干扰技术也越来越多
。
多种多样的干扰信号都给雷达的准确稳定工作带来了阻碍，提高雷达的抗干扰技术是电子对抗首先要解决的问题
。
对干扰信号的感知是抗干扰技术的第一步，能够感知并识别出干扰信号的种类，才能有的放矢，有效地对抗干扰
。
[0003]现有的有源干扰识别技术主要是利用选定特征对干扰信号进行特征提取，然后利用不同的分类器进行分类
。
时域特征提取是利用一维回波时域信号进行特征提取，常见的时域特征有时域偏度系数
、
时域峰度系数
、
时域裕度
、
零中心归一化幅度标准偏差
、
盒维数
。
还可以将时域信号转换到频域进行特征提取，常见的频域特征有频域偏度系数
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于注意力级联网络的有源干扰识别方法，其特征在于，包括：步骤1：获取待测干扰信号的一维时域干扰信号；步骤2：根据所述一维时域干扰信号，得到时频特征图；步骤3：将所述时频特征图输入至训练完成的基于注意力机制的双层级联识别网络，所述双层级联识别网络包括级联的第一识别网络和第二识别网络；步骤4：利用所述第一识别网络得到第一识别结果，若所述第一识别结果属于第一干扰类型，则输出所述第一识别结果；若所述第一识别结果为异常结果，则执行步骤5；步骤5：对所述待测干扰信号在整个合成孔径时间内的回波进行积累，得到对应的二维干扰回波信号；步骤6：根据所述二维干扰回波信号，得到二维图像信息；步骤7：将所述二维图像信息输入至所述第二识别网络，得到第二识别结果，所述第二识别结果属于第二干扰类型
。2.
根据权利要求1所述的基于注意力级联网络的有源干扰识别方法，其特征在于，所述步骤1包括：获取所述待测干扰信号，对所述待测干扰信号沿着方位向进行抽取，得到所述一维时域干扰信号
。3.
根据权利要求1所述的基于注意力级联网络的有源干扰识别方法，其特征在于，所述步骤2包括：步骤
2.1
：对所述一维时域干扰信号进行
STFT
变换，得到原始时频特征图；步骤
2.2
：对所述原始时频特征图进行灰度调节，得到所述时频特征图
。4.
根据权利要求1所述的基于注意力级联网络的有源干扰识别方法，其特征在于，所述第一干扰类型为压制类型干扰，所述压制类型干扰包括：射频干扰
、
调幅干扰
、
调相干扰和调频干扰
。5.
根据权利要求1所述的基于注意力级联网络的有源干扰识别方法，其特征在于，所述异常结果包括不属于第一干扰类型的识别结果和未识别结果
。6.
根据权利要求4所述的基于注意力级联网络的有源干扰识别方法，其特征在于，所述第一识别网络包括依次级联的第一卷积层
、
第一最大池化层
、
多个第一特征提取单元
、
第一平均池化层和第一全连接层单元；其中，所述第一特征提取单元包括级联的2个第一残差模块，所述第一残差模块为包含一个
shortcut connection
的2层卷积层网络；所述...

【专利技术属性】
技术研发人员：郭亮，高甜倩，荆丹，许晴，张子旭，吕艳，吴伟，邢孟道，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：