基于时相特征卷积网络的雷达波形识别

低截获概率(LPI)雷达以其优越的反截获性能得到广泛应用,识别LPI雷达波形对电子侦察系统至关重要。然而,基于深度学习的LPI雷达波形识别方法存在网络参数量大、计算复杂度高等问题,严重影响了其在算力不足的场景下的使用。面向LPI雷达波形快速精确识别需求,提出了一种基于时相特征卷积网络的雷达波形识别模型。该方法与传统的时频变换方法不同,采用卷积神经网络直接从原始信号中提取相位和短时特征,具有轻量化和低复杂度的特点。通过包含13个LPI雷达波形识别实验的验证表明,该方法即使在信噪比为-4 dB的情况下,也能实现90%以上的准确率;与基于Wigner‑Ville变换和图像深度网络识别方法相比,该方法只需要12%的参数和0.14%的计算资源,就可达到相同精度,兼顾了准确率和处理速度,具有非常好的工程应用前景。