杨 洁, 褚书培

(西安邮电大学 通信与信息工程学院， 陕西 西安 710121)

通常雷达工作时会接收到各种回波信号，除了目标回波信号之外，还有遮盖性干扰信号[1]。遮盖性干扰信号会干扰雷达正常工作，遮盖目标的真实回波信息，导致雷达难以检测真实目标，破坏雷达效能[2-3]。排除遮盖性干扰信号需要通过信号预处理和信号特征提取，使用分类器识别干扰信号的类型[4]，根据干扰信号类型采用不同的抗干扰措施，使雷达能够较为准确地确定目标信息[5]。

在排除遮盖性干扰信号过程中，识别干扰信号类型是其中重要的一步。通常采用支持向量机[6](support vector machines, SVM)、统计判决树[7]、逆云模型[8]、反向传播(back propagation, BP)神经网络[9]算法等分类器实现对遮盖性干扰信号分类，但是，SVM方法需经过反复测试获取最佳的核函数[10]，测试过程较为复杂；基于统计判决树的分类方法虽然相对简单，但在干噪比较小的情况下，效果不理想；基于逆云模型的分类方法，由于各个云滴的聚集性能较差导致对干扰信号的识别率不高；BP神经网络算法，由于采用随机初始化得到权值和阈值，会对训练结果产生影响，导致BP神经网络的稳定性较差，容易陷入局部最优，降低了识别的精确度。

为了提高遮盖性干扰信号类型识别的准确度，本文拟使用天牛须搜索算法来优化BP神经网络的初始权值、阈值[11]，得到最优的权值、阈值。将最优权值、阈值分别应用到BP神经网络模型[12]中，实现对雷达有源遮盖性干扰信号的分类。……