何重航，刘佳琪，王宪栋，刘洪艳，高 路

（1.北京航天长征飞行器研究所，北京，100076；2.试验物理与计算数学国家重点实验室，北京，100076； 3.中国人民解放军61336部队，北京，100094）

0 引 言

雷达是现代电子战中的关键作战装备，雷达信号的脉内调制特征分析是电子战领域一个重要研究内容，主要分析方法有时域自相关法、相位差分法和时频分析法。其中时频分析法是描述雷达信号在时域-频域二维平面上能量分布，以图像形式直观表现不同调制类型，常用的时频分析法有短时傅里叶变换、魏格纳-威利分布[1]、Choi-Williams分布以及平滑伪魏格纳-威利分布[2]等算法。常用的脉内调制识别的工作流程是通过时频分析法得到信号时频图像，再对时频图像进行特征提取得到特征向量，最后利用对特征向量实现对信号脉内调制的识别。随着人工智能、机器学习等技术的发展，卷积网络等一系列网络模型[3～6]在图像分类、人脸识别和目标检测等领域表现出优异的图像特征提取能力。文献[7]采用深度自动编码器结构，文献[8]采用卷积网络模型，两者都实现了脉内调制特征的识别，但是模型性能易受噪声影响；为解决信号低信噪比的问题，文献[9]采用更深层次的网络模型，文献[10]则采用多路通道的深度卷积神经网络，两者对低信噪比信号均具有较好的识别能力；文献[11]和文献[12]均采用多种图像特征融合的方法提高信号识别准确率；文献[13]则提出集成学习的方式，集成多种卷积网络提取的调制特征，文献[14]则将多个模型知识进行迁移，2种算法对低信噪比样本仍保持高准确率。……