基于双向长短时记忆神经网络的激光脉冲信号波形识别

来源：激光技术杂志2025年第5期北京时间：

作者：刘岳昕, 李海廷, 胡鑫, 曾双, 王晨, 王文鼎, 漆可心

摘要：为了解决激光半主动制导领域中脉冲信号波形识别模块存在的信号特征提取难、波形种类多样、计算效率低等问题，采用了一种基于双向长短时记忆（BiLSTM）神经网络的激光脉冲信号波形识别方法。以背景光噪声下的激光脉冲信号作为研究对象，通过采集模块收集数据后，由预处理模块输出完整激光信号数据集；将所得数据集作为输入，经过长短时记忆神经网络处理后，得到最终的分类结果。结果表明，该方法利用激光脉冲信号在时域中的直观特征，实现了对不同功率激光信号与背景噪声信号的识别与分类，其识别准确率均高于99.7%。与单纯的长短时记忆神经网络相比，BiLSTM具有更加优秀的网络性能，在保证高性能的前提下，激光半主动制导武器的抗干扰能力得到了有效提升。

关键词：信号处理, 波形识别, 深度学习, 激光脉冲信号