一种基于多尺度与注意力机制的雷达信号脱方法

科学领域:

• 电子战争和信号处理
• 雷达系统中的人工智能

背景情况:

• 删除雷达信号对于电子战侦察至关重要.
• 当前的单特征算法面临性能瓶,原因是现代雷达系统中不断演变的自适应波形和多样化的调制风格.
• 需要先进的脱方法来处理复杂的,多维的雷达信号特征.

研究的目的:

• 为雷达信号提出一种新的智能脱模式,即多尺度注意力脱 (MSAD).
• 为了应对描绘多域合特征的挑战,模拟跨尺度的特征贡献差异,并改善复杂的调制信号的概括.
• 开发一种有效地融合多维信号属性的方法,以提高脱准确度.

主要方法:

• 扩展脉冲描述字 (PDW) 数据被转换为脉冲描述图 (PDG),使用格拉米安角场 (GAF) 进行时间,频率,空间和能量的联合图形描述.
• 实现了拉普拉斯金字塔多层次特征提取框架与深度卷积网络 (DCN) 捕获层次信号模式.
• 采用注意力机制 (AM) 来动态融合来自不同尺度的特征重量,以进行可解释的脱决策.

主要成果:

• 在雷达信号脱方面,MSAD方法显著优于现有的算法,如BLSTM,BGRU,DCN,SDIF和PRI-Tran.
• 通过利用多尺度图像表示和基于注意力的动态特征加权来证明卓越的性能.
• 在具有挑战性的场景中实现了竞争性性能增长,包括多功能雷达和动的脉冲重复间隔 (PRI) 脱.

结论:

• 拟议的MSAD方法为雷达信号脱提供了强大的和有效的解决方案,特别是在复杂和不断变化的信号环境中.
• 多维信号特性和多尺度特征提取与注意力机制的融合,比传统方法提供了显著的优势.
• 在当代电子战侦察中,MSAD显示出强大的实际应用潜力.