中国科学院大学学报 ›› 2026, Vol. 43 ›› Issue (5): 633-640.DOI: 10.7523/j.ucas.2025.023
张宇翔1,2, 张群英1(
), 侯进硕1,2, 吴映莹1,2, 刘小军1, 方广有1
Yuxiang ZHANG1,2, Qunying ZHANG1(
), Jinshuo HOU1,2, Yingying WU1,2, Xiaojun LIU1, Guangyou FANG1
摘要:
雷达辐射源信号分选是现代战争中雷达电子侦察的关键环节。然而,随着电磁环境日益复杂,侦察接收机截获的信号往往存在大量脉冲缺失、虚假脉冲和脉冲抖动。复杂电磁环境具有信号长程相关、数据分布多样性、不同时间步信息互补等特点,而现有基于双向长短期记忆网络(Bi-LSTM)的雷达信号分选方法性能不足,主要是因为其全局依赖建模能力不足、存在梯度消失与过拟合风险以及特征交互受限。针对此,提出一种集成注意力的Bi-LSTM方法,通过集成多头自注意力机制、层归一化和残差连接等技术,分别解决上述问题。主要改进工作包括:1)数据预处理:将原始到达时间数据转换为到达时间差数据,以提升输入数据的鲁棒性与精度;2)特征提取与融合:采用Bi-LSTM层提取正向与反向时序信息,并引入多头自注意力机制进行深层次特征融合,兼顾长程依赖的捕捉与局部细节的提取;3)优化训练稳定性:利用残差连接与随机失活正则化,保证梯度传递的畅通性。实验结果表明该方法相较于Bi-LSTM方法准确率有明显提升,结构上的改进有效增强了模型对脉冲缺失、虚假脉冲和脉冲抖动的鲁棒性。
中图分类号: