基于小波包分解和残差网络的雷达干扰识别

干扰样式识别是雷达抗干扰技术研究中的重要环节，为提高干扰信号分类识别精度，提出了一种基于小波包分解和残差网络相结合的干扰信号分类识别方法。采用小波包变换对干扰信号进行分解与重构，将干扰信号分解成不同频段的小波包系数，融合各频段小波包系数构成系数矩阵得到残差网络的输入，利用多层残差网络自适应提取小波包系数矩阵深度特征，实现干扰信号分类识别。搭建了雷达干扰信号识别试验平台，采集不同调制参数下的6类雷达干扰数据进行试验分析，结果表明，相对于直接利用干扰信号原始时域IQ数据进行卷积神经网络(Convolutional Neural Network, CNN)识别，所提方法能够有效提高网络输入数据维度和特征提取深度，识别准确率和训练效率有明显提升。