基于混合注意力机制和改进MobileNetV4的雷达信号去噪与识别

来源：信号处理杂志 2025年第11期北京时间：

作者：王泳欢, 崔毓函, 黄洁, 赵闯, 胡德秀

摘要：针对低信噪比下雷达信号调制类型识别方法准确率低，以及传统卷积神经网络模型参数量大的问题，本文提出了一种基于混合注意力机制和改进轻量化网络MobileNetV4的雷达信号去噪与识别方法。先对13种雷达信号进行Choi-Williams时频分析，并对时频分析的结果进行灰度化与归一化处理。在此基础上，针对雷达信号在时频域中所呈现的稀疏性，利用通道注意力机制和空间注意力机制建立通道感知模块和空间感知模块提取图像的关键特征，并结合改进的Unet网络实现雷达信号时频图的去噪。同时，针对时频图像的特点对轻量化网络MobileNetV4进行定向优化，通过多方向卷积核组设计了一个时频感知前端并在特征提取阶段嵌入注意力机制，以增强该网络对时频结构的感知能力，实现对雷达信号调制类型的识别。基于上述设计，将去噪模型和识别模型有机结合，实现端到端的信号去噪与识别。仿真实验表明，相较于未去噪的时频图，经过去噪处理的图像峰值信噪比和结构相似度都得到了显著提升，证明了本文去噪网络的有效性；本文改进的MobileNetV4识别网络相较于原网络在低信噪比下性能得到了提升，在信噪比为-10 dB时，准确率达到94.9%，且参数量仅有2.57M，轻量性和鲁棒性优于同信噪比下对比的其他模型。此外，本文在识别流程中引入了信号去噪预处理，实验证明，该步骤能提升模型在低信噪比条件下的识别性能。

关键词：雷达信号, 信号去噪, Choi-Williams分布, 注意力机制, MobileNetV4