郝彦超，侯 进，杨宗源，王祥宇 ，李天宇 ,文志龙

(1.西南交通大学 信息科学与技术学院 智能感知智慧运维实验室，四川 成都 611756；2.西南交通大学 综合交通大数据应用技术国家工程实验室，四川 成都 611756;3.西南交通大学 唐山研究院，河北 唐山 063000)

0 引言

TACAN导航系统作为军用领域的传统通信手段，在全世界都有着十分广泛的应用。TACAN导航系统主要包括空/空、空/地2种模式，其中空/空模式用于空中设备间的通信，空/地模式用于空地设备间的通信，因此在对TACAN信号的侦收处理过程中，对TACAN空/地信号进行识别有着十分重要的军事意义[1-2]。

传统TACAN空/地信号识别的方法主要包括以下几种方案：一种是基于数字化的译码识别[3]，该方法主要是通过FPGA可编程逻辑器件的使用，对信号进行了数字化处理，针对TACAN空/地信号的脉冲类型、调制方式和不同脉冲群的周期等特点进行识别；另一种是通过使用模板匹配的方法[4-5]进行识别，该方法通过匹配TACAN空/地信号的脉冲数量、脉冲宽度等信号特征完成对信号的判断。上述2种方法都是以TACAN空/地信号的脉冲群特征作为判断条件，虽然能够检测出完整周期的TACAN空/地信号，但是当信号发生缺失时，信号部分特征(各个脉冲群数量、脉冲群个数等)不再完整，上述2种方法的识别率将会受到严重影响。

为解决因TACAN空/地信号缺失导致的识别率较低的问题。本文设计了一种基于CNN的新型神经网络模型方法，并利用该模型对残缺的TACAN空/地信号进行识别。经验证，该模型与传统模板匹配算法相比，在信号处于较低信噪比且信号残缺度较高的情况下，也能使信号的识别精度得到有效的提升。……