石礼盟，杨承志，王美玲，许 冰

(1.空军航空大学 航空作战勤务学院， 长春 130022； 2.空军航空大学 初级训练基地， 长春 130022)

作为雷达对抗的重要组成部分，雷达信号识别技术可以帮助我军获得敌方雷达信息，从而正确判断敌情。对于雷达信号识别而言，正确识别雷达信号的调制方式不仅能够提高雷达信号的参数估计精度，还能判断雷达的威胁等级。因此，研究一种能适应复杂电磁环境的雷达信号调制方式识别方法，对于提升我军的电子侦察能力具有重要意义[1-2]。

随着战场电磁环境的日益复杂，传统基于脉间五大参数的雷达信号识别方法性能逐渐下降。雷达信号的脉内信息被逐渐利用，而时频分析由于可以提取信号频率随时间变化的规律而逐渐被学者应用于雷达信号识别领域[3-6]。

近年来，随着深度学习技术的发展，神经网络凭借着其强大的特征学习能力被应用于信号识别领域。文献[7]提出了基于机器学习理论的雷达辐射源识别技术的主要研究方向和难点问题，并对相应的解决方法进行了讨论。文献[8]搭建了深度置信网络，对信号双谱对角切片结构特征进行学习，实现了对低截获概率(LPI)雷达信号的识别。文献[9]利用深层卷积网络，实现了对低截获信号的分类识别。文献[10]利用卷积神经网络对24种不同调制方式的通信信号进行识别，通过实验证明了在不对信号进行人为特征提取情况下，网络依然可以有效识别信号的调制方式。

本文提出了一种基于深层神经网络的联合特征提取方法，对雷达信号的调制方式进行识别。……