基于CNN-BiLSTM的对ELINT系统杂乱脉冲干扰抑制方法

来源：雷达科学与技术杂志2026年第2期北京时间：

作者：鲁永为，师俊朋，周青松，田西兰，郭柏炀，陈沁娴，山世浩，王明壮

单位：1.中国人民解放军63891部队， 河南洛阳 471000;2.国防科技大学电子对抗学院， 安徽合肥 230037;3.中国电子科技集团公司第三十八研究所， 安徽合肥 230088;4.中国人民解放军96816部队， 江苏启东 226200

摘要：针对杂乱脉冲干扰信号严重破坏电子情报系统对雷达信号的分选识别问题，将机器学习算法引入侦察分选过程，提出一种基于卷积神经网络-双向长短期记忆网络的抑制杂乱脉冲干扰方法。该方法利用卷积神经网络捕捉杂乱脉冲干扰信号在多个维度随机分布的局部特征，以及双向长短期记忆网络捕捉混叠信号中雷达信号的周期特征，实现干扰信号和雷达信号的分类识别。仿真实验证明该方法针对不同的测试集准确率达到96%以上，召回率超过92%，有较强的域泛化能力，为提升ELINT系统在复杂电磁环境下的性能提供了一种有效途径。

关键词：电子情报系统,卷积神经网络,双向长短期记忆网络,杂乱脉冲干扰,雷达侦察,

基金资助：国家自然科学基金（62301581，62401600）； 中国博士后科学基金面上项目（2023M734313）