【技术实现步骤摘要】
本专利技术属于雷达，具体涉及一种基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法。
技术介绍
0、技术背景
1、在现代战场中，为了优先获取制电磁权，敌方会释放各种复杂多变的干扰信号，严重影响雷达的生存性能。因此准确识别干扰信号类型对雷达等电子系统实施相对应的抗干扰措施具有重要的意义。目前主流的干扰识别方法主要有两类，一是基于特征提取的干扰识别方法，这种方法能在特定场景的识别取得不错的效果，但是这类方法依赖于人工筛选特征参数，缺乏说服力和普适性的单一特征和多维特征。而另一类则是基于卷积神经网络智能化干扰识别方法，相对于人工识别方法，利用卷积神经网络cnn进行雷达干扰识别的方法具有识别准确度高和识别速度快等优点。
2、基于卷积神经网络的干扰识别方法可以有效从大量样本中学习相应特征，但是需要将信号进行多种预处理生成图像数据作为样本，数据集庞大且耗时较长，容易出现过拟合现象。
3、因此，提供一种输入训练样本简单，无需信号预处理且识别率高的雷达干扰信号识别方法是亟待解决的问题。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提出了一种基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法。
2、为达到上述目的，本专利技术采用以下技术方法予以实现。
3、基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法，包括以下步骤：
4、步骤1，建立不同雷
5、步骤2，生成雷达干扰信号匹配滤波数据集；
6、步骤3，生成训练集和测试集；
7、步骤4，构建cnn-attention-bilstm融合网络模型；
8、步骤5，训练cnn-attention-bilstm融合网络，得到雷达干扰信号识别模型；
9、步骤6，输入测试集进行雷达干扰信号识别。
10、与现有技术相比，本专利技术的有益效果为：
11、(1)本专利技术的基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法，与常规基于神经网络的干扰信号识别方法相比，无需对干扰信号滤波、stft变换、灰度变换等一系列信号预处理。
12、(2)本专利技术的基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法，对于融合网络的训练，只需要利用各个干扰信号的匹配滤波数据就可以完成训练，样本简单、数据复杂度小。
13、(3)本专利技术的基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法，通过构建融合网络，cnn提取空间特征，lstm提取时序特征，引入通道注意力机制更深层关注特征，三者结合加快网络训练的收敛速度，提高了雷达干扰信号识别准确率。
本文档来自技高网...【技术保护点】
1.一种基于CNN-Attention-BiLSTM融合网络的雷达干扰信号识别方法，所述方法包括如下步骤：
2.根据权利要求1所述的基于CNN-Attention-BiLSTM融合网络的雷达干扰信号识别方法，其特征在于，步骤1包含以下子步骤：
3.根据权利要求2所述的基于CNN-Attention-BiLSTM融合网络的雷达干扰信号识别方法，其特征在于，步骤2包含以下子步骤：
4.根据权利要求3所述的基于CNN-Attention-BiLSTM融合网络的雷达干扰信号识别方法，其特征在于，步骤3包含以下子步骤：
5.根据权利要求4所述的基于CNN-Attention-BiLSTM融合网络的雷达干扰信号识别方法，其特征在于，步骤4包含以下子步骤：
6.根据权利要求5所述的基于CNN-Attention-BiLSTM融合网络的雷达干扰信号识别方法，其特征在于，步骤5包含以下子步骤：
7.根据权利要求6所述的基于CNN-Attention-BiLSTM融合网络的雷达干扰信号识别方法，其特征在于，步骤6包含以下子步骤：
...【技术特征摘要】
1.一种基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法，所述方法包括如下步骤：
2.根据权利要求1所述的基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法，其特征在于，步骤1包含以下子步骤：
3.根据权利要求2所述的基于cnn-attention-bilstm融合网络的雷达干扰信号识别方法，其特征在于，步骤2包含以下子步骤：
4.根据权利要求3所述的基于cnn-attention-bilstm融合网络的雷达...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。