融合时序条件生成对抗网络的小样本雷达对抗侦察数据增强

来源：电子与信息学报杂志2025年第10期北京时间：

作者：黄琳玹, 何明浩, 郁春来, 冯明月, 张福群, 张逸楠

单位：空军预警学院 武汉 430019

摘要：针对雷达对抗侦察中脉冲描述字(PDW)数据稀缺及生成质量不足的问题，该文提出时序条件生成对抗网络(Time-CondGAN)。该方法通过多模态条件生成框架融合脉冲序列时域特征与辐射源分类信息，采用双向门控循环单元 (GRU)监督器与特征匹配损失实现时序连续性与统计分布的双重约束。网络架构包含3个核心模块：(1)条件编码网络将调制类型嵌入为128维特征向量，通过时序维度扩展与潜在噪声拼接，实现类别可控生成；(2)多任务判别器联合执行对抗判别与信号分类，通过共享双向GRU-注意力特征提取层捕捉长程依赖关系；(3)时序-统计联合优化器整合对抗损失、监督损失与特征匹配损失，在对抗训练阶段同步更新生成器与判别器参数。实验表明，Time-CondGAN生成的PDW数据在关键时序参数的KL散度较TimeGAN平均降低28.25%，显著提升物理合理性；可视化结果证明模型性能满足要求，消融实验证明改进模块的有效性。在下游任务验证中，生成数据使VGG16与LSTM分类器的识别准确率最高提升37.2%，较TimeGAN生成数据平均高8.25%(VGG16)与4.2%(LSTM)。

关键词：生成对抗网络, 小样本学习, 雷达对抗侦察, 时序数据生成, 模式识别