BiLSTM-Filt:用于雷达词段的神经网络
Yurui Zhao1, Xiang Wang1, Zhitao Huang2
1College of Electronic Science and Technology, National University of Defense Technology, No. 109, Deya Road, Changsha, 410073, Hunan, China.
概括
这项研究引入了电子情报中雷达词提取的新的两阶段框架,即使在复杂的环境和未知的雷达类型中,也可以改善细分和识别.
科学领域:
- 电子情报 (ELINT) 是指电子情报.
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 雷达单词提取对于ELINT中的多功能雷达 (MFR) 是至关重要的.
- 目前的方法与复杂的电磁环境和未知的雷达单词作斗争.
- 神经网络显示出有希望的结果,但需要进一步开发以进行强大的提取.
研究的目的:
- 为增强雷达词提取提出一个两阶段框架.
- 解决细分和识别雷达词的挑战.
- 在复杂和未知的雷达信号环境中提高性能.
主要方法:
- 开发了一个两阶段的框架:细分和识别.
- 使用时间序列分析建立了雷达单词细分的数学模型.
- 设计了一个新的细分神经网络:双向长短期记忆与波器模块 (BiLSTM-Filt).
- 实施了边界框回归方法,以改善细分.
主要成果:
- 拟议的BiLSTM-Filt方法在复杂的电磁环境中优于基线方法.
- 在受损环境,各种脉冲背景和可变脉冲列车长度中证明有效.
- 该框架显示了细分未知的雷达单词的潜力.
结论:
- 拟议的两阶段框架为雷达词提取提供了一个有希望的解决方案.
- BiLSTM-Filt网络和边界框回归显著提高了细分性能.
- 该方法在复杂的环境中具有稳定性,并且可以适应未知的雷达类型.
