異常性檢測算法在引信干擾信號識別中的應(yīng)用

白帆，張慧，李鵬斐，曹昭睿

（1.沈陽理工大學(xué) a.裝備工程學(xué)院 b.機械工程學(xué)院，遼寧 沈陽 110159；2.北京理工大學(xué) 機電學(xué)院，北京 100081；3.機電動態(tài)控制重點實驗室，西安 710065）

隨著通信技術(shù)的發(fā)展，引信干擾技術(shù)[1-2]日趨成熟，且隨著現(xiàn)代作戰(zhàn)環(huán)境的不斷變化，該技術(shù)呈現(xiàn)出智能化、復(fù)雜化的發(fā)展趨勢，干擾信號的類型、手段、策略也更為多樣[3-4]。為了保證對引信信號的準確接收，引信抗干擾算法必須在極短的時間內(nèi)，高效完成干擾信號檢測、識別、過濾等任務(wù)，才能滿足現(xiàn)階段引信系統(tǒng)在復(fù)雜含擾環(huán)境下的有效工作需求。否則，引信系統(tǒng)極易在多種類、多策略干擾信號的影響下出現(xiàn)早炸、錯失、誤炸等問題，進而導(dǎo)致武器系統(tǒng)失效。

引信干擾信號的識別是一個復(fù)雜的非線性過程，往常以機器學(xué)習(xí)作為核心檢測方法[5-6]。近年來，隨著人工智能的發(fā)展，研究人員開始將卷積神經(jīng)網(wǎng)絡(luò)引入信號識別領(lǐng)域中[7-8]。郭治銳等[9]提出了基于改進的AlexNet 的雷達干擾識別方法，該方法利用AlexNet卷積神經(jīng)網(wǎng)絡(luò)自動提取雷達信號圖像中的特征細節(jié)，以實現(xiàn)雷達干擾信號的分類識別。唐陳等[10]采用殘差卷積神經(jīng)網(wǎng)絡(luò)，提取了各干擾的聯(lián)合特征，完成了干擾信號的分類。劉國滿等[11]設(shè)計了一種雙卷積神經(jīng)網(wǎng)絡(luò)級聯(lián)結(jié)構(gòu)，基于單周期時頻圖像完成了干擾預(yù)分類，再利用多周期合成時頻圖像完成細分類，最終實現(xiàn)了8 種典型干擾樣式的識別。魏迪等[12]考慮到傳統(tǒng)卷積很難提取信號的時序特征，因此提出一種長短時記憶網(wǎng)絡(luò)（LSTM）和特征融合的識別方法，對通信干擾進行了分類。……