基于注意力机制的双树小波散射原型网络用于 MIMO 雷达目标识别与干扰抑制
信号处理
2025-10-22 v1
摘要
基于数字射频存储器的电子对抗措施的增加，构成了雷达系统生存性和有效性的重大威胁。这些干扰器可以产生大量欺骗性虚假目标，压倒雷达处理能力，掩盖真实目标。因此，在低信噪比 (SNR) 环境下，鲁棒地区分真实目标与复杂干扰信号的能力尤为重要。本文引入注意力机制双树小波散射原型网络 (AWSPNet)，这是一种用于雷达目标识别与干扰抑制的深度学习框架。AWSPNet 的核心是编码器，利用双树复小波变换提取对噪声和信号平移天然具有鲁棒性的特征。这些特征经注意力机制和预训练的主干网络进一步细化。为解决标签数据有限且提升泛化能力的问题，我们在训练阶段采用监督对比学习策略。分类通过原型网络完成，该方法在few-shot学习场景中尤其有效，使其能够快速适应新信号类型。我们通过大量实验展示了方法的有效性。结果表明，AWSPNet 在 -6 dB SNR 条件下达到了 90.45% 的准确率。此外，我们通过 t-SNE 可视化提供了网络内部工作原理的物理解释，分析了模型不同阶段的特征可分性。最后，通过将 AWSPNet 与时域滑动窗口方法集成，我们提出了一种完整算法，既能识别又能有效抑制各种类型的干扰，从而验证了其在复杂电磁环境中的实际应用潜力。
引用
@article{arxiv.2510.18422,
title = {AWSPNet: Attention-based Dual-Tree Wavelet Scattering Prototypical Network for MIMO Radar Target Recognition and Jamming Suppression},
author = {Yizhen Jia and Siyao Xiao and Wenkai Jia and Hui Chen and Wen-Qin Wang},
journal= {arXiv preprint arXiv:2510.18422},
year = {2025}
}
备注
13 pages, 10 figures, The code is available in https://github.com/jiaxuanzhi/AwspNet