基于深度学习的复合干扰信号识别

来源：系统工程与电子技术杂志2025年第10期北京时间：

作者：刘佳楠, 宋志群, 李勇, 刘丽哲, 夏金涛, 王斌, 李行健, 汪畅

单位：中国电子科技集团公司第五十四研究所先进通信网全国重点实验室，河北 石家庄 050081

摘要：在无线通信环境中压制式复合干扰信号对通信系统的正常工作有着严重的影响，针对其特征提取和识别较为困难的问题，提出一种基于短时傅里叶变换（short time Fourier transform, STFT）和残差卷积网络的复合干扰识别算法。该算法将STFT得到的时频域信息作为输入，同时对复合干扰信号的种类和干噪比进行识别，为了使模型更加适合部署在移动端上，采用幻影卷积代替普通卷积。仿真结果表明，在干噪比为?15~10 dB的范围内，该算法在5种单一干扰及其复合而成的10种复合干扰信号种类识别任务上准确率可以达到99.97%，在干噪比识别任务上准确率可以达到99.04%。相比于残差卷积网络，该算法在几乎不降低准确率的前提下可以使模型参数量减小38.4%，计算复杂度降低46.6%，更加符合移动端的要求。

关键词：深度学习,复合干扰识别,短时傅里叶变换,残差卷积网络,幻影卷积

基金资助：先进通信网全国重点实验室基金（FFX23641X002,SCX23641X011）资助课题