仪器仪表学报

作者：张世成，周游，年夫顺，王宏硕，韩顺利

单位：张世成,中国电子科技集团公司第四十一研究所电子测试技术重点实验室青岛266555,,周游,中国电子科技集团公司第四十一研究所电子测试技术重点实验室青岛266555,,年夫顺,中国电子科技集团公司第四十一研究所电子测试技术重点实验室青岛266555,nfswxmnk825@163.com,王宏硕,中国电子科技集团公司第四十一研究所电子测试技术重点实验室青岛266555,,韩顺利,中国电子科技集团公司第四十一研究所电子测试技术重点实验室青岛266555,

关键词：PRI调制;脉冲丢失;虚假脉冲;卷积神经网络;长短时记忆神经网络;注意力机制

基金：国家自然科学基金（U24B6013）项目资助

雷达信号的脉冲重复间隔（PRI）调制类型识别作为电子战系统信号分选与威胁评估的核心环节，其识别精度直接决定战场电磁态势认知与对抗策略的生成效能。针对传统方法存在的专家经验依赖性强、单一模型特征提取能力不足等问题，提出一种基于多维特征时空融合的深度神经网络架构。该方法通过构建卷积神经网络与长短时记忆网络的级联架构，挖掘雷达脉冲时空特征与调制时序演化规律之间的内在关联性，引入序列注意力机制对输出的时序特征进行加权融合，突出PRI变化的关键时刻，从而实现脉冲重复间隔调制类型的准确识别。实验基于包含固定、抖动、组变、参差和滑变5类典型调制信号的数据集进行验证，结果表明，在无干扰理想条件下，模型整体识别准确率达99.40%；在高达70%的脉冲丢失干扰下，识别准确率仍可达70.93%；在同等强度的虚假脉冲干扰下，识别准确率高达96.13%，综合性能显著优于CNN、CNN-LSTM、GRU-Attention及SE-NET等主流对比模型，有效提升了复杂电磁环境下PRI调制识别的精度与鲁棒性。此外，模型单样本推理时间仅为1.54ms，参数量为653814，兼具良好的实时性与轻量化部署潜力。所提方法为复杂电磁环境下雷达PRI调制类型的实时、准确识别提供了有效的技术途径，具有重要的理论价值与工程实用性。

来源：2026年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第2期