基于灰度时域图和FFA-Transformer网络的压制干扰识别算法

目前基于频域构造的残差网络干扰识别算法在提取压制干扰特征时,泛化能力较弱,在低干噪比下受噪声影响大。为此,针对5类频谱图相似的压制干扰信号,提出一种基于灰度时域图和Fused Feature Aware Transformer(FFA-Transformer)网络的压制干扰识别算法。将一维的时域信号构造成体现信号特征的灰度时域图,使得网络能够提取更多信号特征,并搭建FFA-Transformer网络,利用该网络实现5类压制干扰信号的识别。该网络通过加权平均的方式融合编码器输出的全局特征和局部特征,网络同时关注纹理等全局特征和边缘等局部特征,加强了全局特征和局部特征的关联性,较传统ViT网络和传统CNN网络训练频谱图和时域图更能高精度地实现5类压制干扰信号的识别。