基于轻量化网络的干扰信号智能识别算法

来源：雷达科学与技术杂志2023年第2期北京时间：

作者：胡婉婉，张劲东，张瑞，王娜

单位：南京航空航天大学电子信息工程学院， 江苏南京 211106

摘要：针对干扰信号识别时卷积神经网络模型体积大、训练周期长、对硬件存储和计算要求高等问题，本文提出了一种基于改进轻量级网络模型SqueezeNet的干扰信号智能识别算法。该方法首先利用距离多普勒（Range?Doppler，RD）处理获得目标及干扰信号的RD图像，接着采用滑窗变换、归一化等技术对RD图像进行重塑；然后采用基于RD信息尺寸的隐层和通道剪枝措施对SqueezeNet网络进行改进，缩小了模型尺寸和存储空间；最后利用不同参数的测试样本拓展网络模型的泛化性能。仿真实验表明，在参数量减少到原网络1/30的情况下，改进的SqueezeNet网络对每种干扰的识别正确率可达到95%以上，且训练时间大大减少。

关键词：干扰识别,距离多普勒图像,轻量化网络,参数压缩,

基金资助：国家自然科学基金（No.62171220）； 上海航天科技创新基金（No.SAST2018?077）