基于时频交叉门控多尺度网络的雷达信号调制识别算法

摘要

针对主流智能化雷达信号调制识别算法处理长序列雷达信号时，存在物理特征去耦合引发相关性丢失、降采样导致相位细节特征缺失的问题，提出一种基于时频交叉门控多尺度网络(Spectral-Temporal Cross-Gated Multi-Scale Network, STCG-MSNet)的雷达信号调制识别算法。该算法基于海森堡-加博尔测不准原理设计跨域门控机制，利用时频域互补性生成门控掩码，实现特征自适应去噪与增强；采用金字塔空洞卷积，在保持全时序分辨率的同时指数级扩大感受野，避免池化破坏相位突变；引入双统计量融合头，结合全局平均池化与全局最大池化提取完整信号特征。实验结果表明，该算法在低信噪比及复杂混合调制信号识别中显著优于MobileNetV4、CLDNN(Convolutiond, Long Short-Term Memory, Full Connected Deep Neural Networks)等主流算法，-10 dB极端低信噪比下识别率达88.7%,0 dB以上准确率接近100%,具备更强的理论完备性和抗噪鲁棒性。

关键词

雷达调制识别 / 低截获概率 / 时频交叉门控 / 测不准原理 / 多尺度网络