面向噪声环境的高效雷达调制识别

电子战力学（ES）系统拦截敌方雷达信号并估计各种信号信息，包括调制方案。在信号功率极低的情况下，对调制方案进行准确且快速的识别，仍是ES系统面临的重大挑战。本文提出一种基于噪声感知集成学习（Noise-Aware Ensemble Learning, NAEL）框架的识别模型，以高效地识别噪声环境下的雷达调制方案。NAEL框架评估噪声对识别的影响，并自适应选择合适的神经网络结构，在计算效率和识别性能方面具有显著优势。我们基于实验数据呈现该模型识别性能的分析结果。我们的识别模型在计算复杂度低的同时，显示出优于常规分类模型的更高识别准确率。