异常性检测算法在引信干扰信号识别中的应用

白帆，张慧，李鹏斐，曹昭睿

（1.沈阳理工大学 a.装备工程学院 b.机械工程学院，辽宁 沈阳 110159；2.北京理工大学 机电学院，北京 100081；3.机电动态控制重点实验室，西安 710065）

随着通信技术的发展，引信干扰技术[1-2]日趋成熟，且随着现代作战环境的不断变化，该技术呈现出智能化、复杂化的发展趋势，干扰信号的类型、手段、策略也更为多样[3-4]。为了保证对引信信号的准确接收，引信抗干扰算法必须在极短的时间内，高效完成干扰信号检测、识别、过滤等任务，才能满足现阶段引信系统在复杂含扰环境下的有效工作需求。否则，引信系统极易在多种类、多策略干扰信号的影响下出现早炸、错失、误炸等问题，进而导致武器系统失效。

引信干扰信号的识别是一个复杂的非线性过程，往常以机器学习作为核心检测方法[5-6]。近年来，随着人工智能的发展，研究人员开始将卷积神经网络引入信号识别领域中[7-8]。郭治锐等[9]提出了基于改进的AlexNet 的雷达干扰识别方法，该方法利用AlexNet卷积神经网络自动提取雷达信号图像中的特征细节，以实现雷达干扰信号的分类识别。唐陈等[10]采用残差卷积神经网络，提取了各干扰的联合特征，完成了干扰信号的分类。刘国满等[11]设计了一种双卷积神经网络级联结构，基于单周期时频图像完成了干扰预分类，再利用多周期合成时频图像完成细分类，最终实现了8 种典型干扰样式的识别。魏迪等[12]考虑到传统卷积很难提取信号的时序特征，因此提出一种长短时记忆网络（LSTM）和特征融合的识别方法，对通信干扰进行了分类。……