基于全信息时频特征的自适应置信度双分支融合网络用于少样本主动雷达干扰识别

《Electronics》:Few-Shot Active Radar Jamming Recognition Using Adaptive Confidence Dual-Branch Fusion Network with Full-Information Time–Frequency Features

【字体: 大 中 小 】 时间:2026年08月12日 来源:Electronics 2.9

编辑推荐:

   摘要

  

摘要

主动雷达干扰识别是现代电子战中的重要技术。随着数字射频存储器技术的广泛应用,干扰类型也愈发多样。而在大多数非合作对抗场景中,很难获取大规模的带标签干扰样本。目前用于雷达干扰信号识别的方法存在一些局限性:其一是需要大量干扰样本;其二是在少样本场景下识别性能会大幅下降。为解决这些问题,本文提出了一种用于少样本干扰识别的自适应置信度双分支融合网络(ACDF-Net)。首先利用短时傅里叶变换获取干扰信号的四通道时频特征,从而完整保留其实部、虚部、幅度和相位信息。接着设计双分支互补表示学习网络,用于提取干扰的调制特征和能量相位特征。最后引入由可学习参数控制的自适应置信度融合方法以及多任务监督学习机制,以提高识别精度并增强网络的鲁棒性。为验证该方法,研究人员构建了包含15种雷达主动干扰类型的混合数据集(包括8种单一干扰类型、3种复合干扰类型以及4种实际测量得到的干扰类型),并开展了多项多维度验证实验,内容包括不同训练集比例(3%~11%)下的少样本性能对比、各类别识别性能分析、实测数据的泛化能力验证以及核心模块的消融实验。在少样本场景下,当训练数据比例为3%时,ACDF-Net的准确率可达92.81%,优于其他对比算法。更多对比实验也表明,该方法的性能优于现有方案。这一方法为少样本及复杂电磁环境下的雷达主动干扰识别提供了有效解决方案,具有较高的实际工程应用价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号