基于生成对抗网络的雷达信号分选识别方法  

作　　者：陈名 李健[1] 

机构地区：[1]四川大学电子信息学院,四川成都610065

出　　处：《电子制作》2025年第3期43-47,共5页Practical Electronics

摘　　要：雷达信号识别是现代电子战中的重中之重,其识别效果高度依赖于雷达信号数据的质量和数量。然而,在实际战场中,由于获取成本高、采集难度大等因素,雷达信号数据往往存在样本不足的问题,这限制了深度学习模型的训练效果。为了解决这一问题,本文提出了一种基于自注意力机制和Wasserstein距离的生成对抗网络(SA-WAS-GAN)用于扩充雷达信号数据集。在生成器部分,本文借鉴了循环生成对抗网络(CycleGAN)生成器的结构,并引入了自注意力机制(Self-Attention Mechanism),以便更好地捕捉特征图的全局信息。同时为了应对训练过程中出现的不稳定问题,损失函数中引入了Wasserstein距离(Wasserstein loss)。最后,用生成的信号时频图来扩充原数据集,并通过Vision-Transformer网络进行信号分类与识别。实验结果表明,生成的时频图能够帮助提升雷达信号的识别准确率,并且在信噪比为-6dB时,11种雷达信号的总体识别准确率提高了12%。

关 键 词：雷达信号识别 生成对抗网络(GAN) 自注意力机制 Wasserstein距离 数据扩充 

分 类 号：TN911[电子电信—通信与信息系统]