用于雷达脉冲活动分割的多阶段学习

无线电信号识别是电子战中的关键功能。电子战系统需要精确识别和定位雷达脉冲活动，以产生有效的对抗措施。尽管这些任务很重要，但基于深度学习的雷达脉冲活动识别方法在很大程度上仍未被充分探索。虽然先前已经探索了用于雷达调制识别的深度学习，但分类任务通常局限于短且非交错的IQ信号，这限制了它们在军事应用中的适用性。为了填补这一空白，我们引入了一种端到端的多阶段学习方法，用于在延长时间范围内检测和定位交错雷达信号的脉冲活动。我们提出了一种简单而高效的多阶段架构，用于增量预测细粒度分割掩码，以定位跨多个通道的雷达脉冲活动。我们在一个新颖的雷达数据集上展示了我们方法相对于几个参考模型的性能，同时为雷达脉冲活动分割提供了同类中首个基准。