多功能雷达(Multi Function Radar,MFR)通过波形捷变与波束自适应调度实现多任务协同,这给雷达工作模式识别带来了诸多挑战。现有识别方法依赖脉冲序列局部时域特征,难以有效解析不同工作模式的生成机理,面对脉冲丢失、脉内参数相近等...多功能雷达(Multi Function Radar,MFR)通过波形捷变与波束自适应调度实现多任务协同,这给雷达工作模式识别带来了诸多挑战。现有识别方法依赖脉冲序列局部时域特征,难以有效解析不同工作模式的生成机理,面对脉冲丢失、脉内参数相近等复杂情况,识别性能急剧下降。考虑到多功能雷达波束扫描过程对脉冲组序列幅值信息的影响,提出一种基于空时联合图卷积网络的多功能雷达工作模式识别方法。该网络模型首先通过引入动态规整模块量化相邻波位信号的辐射特性相似度,构造具有物理可解释性的空域邻接矩阵;然后将一维脉冲组序列映射为二维图结构,融合脉冲频率、信号幅度等节点特征,形成空时联合表征;最后,设计分层图卷积核,通过多层信息传递机制,提取深层空时特征,完成雷达工作模式识别。对比实验表明,在脉冲丢失等非理想情况下所提方法的平均识别率仍能达到93.38%,具有更好的泛化性和鲁棒性。展开更多
文摘多功能雷达(Multi Function Radar,MFR)通过波形捷变与波束自适应调度实现多任务协同,这给雷达工作模式识别带来了诸多挑战。现有识别方法依赖脉冲序列局部时域特征,难以有效解析不同工作模式的生成机理,面对脉冲丢失、脉内参数相近等复杂情况,识别性能急剧下降。考虑到多功能雷达波束扫描过程对脉冲组序列幅值信息的影响,提出一种基于空时联合图卷积网络的多功能雷达工作模式识别方法。该网络模型首先通过引入动态规整模块量化相邻波位信号的辐射特性相似度,构造具有物理可解释性的空域邻接矩阵;然后将一维脉冲组序列映射为二维图结构,融合脉冲频率、信号幅度等节点特征,形成空时联合表征;最后,设计分层图卷积核,通过多层信息传递机制,提取深层空时特征,完成雷达工作模式识别。对比实验表明,在脉冲丢失等非理想情况下所提方法的平均识别率仍能达到93.38%,具有更好的泛化性和鲁棒性。
