一、主要内容
信号干扰识别系统的总体方案设计,可分为基于引信回波模型的数据集准备、信号前处理、基于深度学习的引信干扰信号识别三个部分。其次通过搭建半实物的仿真平台和Matlab 仿真模型来比对数据的真实性,改进仿真模型的准确度。从原理上对 AE,VAE,CVAE 几种生成网络模型进行介绍,从生成效果以及硬件部署方面考虑选用条件变分编码器(CVAE)网络生成谱图。接着定性地比较 TCN 与 LSTM 的性能,并选用 LSTM 为引信干扰信号的识别网络,给出总体算法设计流程。为了生成更多细节信息的时频谱图,对CVAE 网络进行了改进,并分析训练结果。为了提高 LSTM 的识别准确率,对 LSTM 分类网络进行改进,实现对引信干扰信号的识别。最后对整个网络进行联调训练,并对实验结果进行分析,验证基于深度学习的引信干扰识别算法的可行性与识别准确性。
二、算法优化与代码
总体方案
仿真思路
不同峰值信噪比下的目标回波信号
无线电引信作用对象是空中目标,对于引信而言很容易受到大气中的环境干扰,如大气中的热辐射、宇宙中的背景辐射等满足高斯白噪声,而对于掠海飞行的巡航导弹来说受到海浪杂波的影响较为严重,但同时,海面杂波也对导弹本身的隐蔽性做了很大帮助,敌方雷达扫描时不易发现,导弹具备很强的隐蔽性。
高斯白噪声时频域波形
CCVAE 生成网络模型
信号识别数据对比