基于神经网络语义分割的雷达信号分选方法
信号处理
2023-01-11 v2
摘要
雷达信号分选是电子侦察的重要组成部分。本研究提出一种基于语义分割的新雷达信号分选方法，称之为“语义分割分选”（SSD）。我们选取具代表性的序列建模神经网络（NN）架构，并将脉冲流到达时间之差输入其中。依据不同雷达信号类型所含语义，将脉冲流中每个脉冲按其含语义类别标注，从而实现雷达信号分选。相比传统分选方法，SSD 方法可适应复杂脉冲重复间隔（PRI）调制环境，无需搜索 PRI 或 PRI 周期。对于周期内含多脉冲的雷达信号，无需多轮搜索与合并操作。相比其他基于 NN 的分选方法，SSD 方法无需将数据数字化并为每种目标类型训练网络，也无需迭代输入输出数据。所提方法对脉冲丢失与噪声脉冲具有高鲁棒性。本研究还表明，在此序列建模任务中循环 NN 仍比卷积 NN 更具优势。
引用
@article{arxiv.2110.13706,
title = {A Radar Signal Deinterleaving Method Based on Semantic Segmentation with Neural Network},
author = {Wang Chao and Sun Liting and Liu Zhangmeng and Huang Zhitao},
journal= {arXiv preprint arXiv:2110.13706},
year = {2023}
}
备注
10 pages, 18 figures