基于贝叶斯深度学习的一维雷达有源干扰信号识别方法

作     者：马博俊 漆进 苏宏艳 张晓峰 MA Bojun;QI Jin;SU Hongyan;ZHANG Xiaofeng

作者机构：电子科技大学信息与通信工程学院四川成都611731 北京遥感设备研究所北京100854 

基　　金：航天二院25所毫米波与亚毫米波国防科技重点实验室基金“基于贝叶斯递归深度学习的雷达多波形抗有源干扰方法研究”(612502190104) 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2023年第39卷第2期

页      码：235-243页

摘      要：雷达干扰信号准确识别是雷达抗干扰的前提,对于雷达生存至关重要。针对传统雷达干扰信号识别方法需要繁琐的分析计算提取特征,通用性差,泛化能力弱,难以适应复杂的雷达工作环境问题。本文考虑无需人工提取特征信息且具有较好的分类识别效果的深度学习网络。考虑到传统的深度学习网络由于使用点估计方式,不能够很好的衡量预测结果中的不确定性,本文提出了一种基于贝叶斯深度学习的干扰识别方法。首先,通过概率建模代替网络参数模型的点估计,解决了不确定性随机数据引起的网络过拟合问题。其次,考虑有效利用雷达回波信号的时序特性设计了LSTM层,同时解决训练过程中的梯度消失问题。基于线性调频雷达有源干扰实测数据完成了网络训练与测试,实验结果表明,引入贝叶斯方法可以在加快网络收敛速度的同时有效提高识别准确率。

主 题 词：干扰识别 贝叶斯卷积神经网络 深度学习 

学科分类：11[军事学] 080904[080904] 0809[工学-计算机类] 08[工学] 110503[110503] 0810[工学-土木类] 1105[1105] 1104[1104] 082601[082601] 081105[081105] 0826[工学-生物医学工程类] 081001[081001] 081002[081002] 0811[工学-水利类] 

核心收录：

D　O　I：10.16798/j.issn.1003-0530.2023.02.005

馆 藏 号：203118561...