基于CNN-BiLSTM-AM的雷达波形设计

作     者：董军 杜晓林 何肖阳 李建波 田团伟 

作者机构：烟台大学计算机与控制工程学院 重庆邮电大学通信与信息工程学院 河南大学物理与电子学院 

出 版 物：《现代雷达》 (Modern Radar)

年 卷 期：2024年

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61801415) 重庆市教委科学技术研究项目(KJQN202100605) 

主　　题：波形优化设计 神经网络 注意力机制 信干噪比准则 互信息准则 

摘      要：在实战环境中，复杂的电磁环境会导致雷达无法获得满足性能所需要的先验信息，且雷达已不再局限于单一任务和工作模式。为实现电子战中雷达的多方面性能提升，本文提出了一种基于注意力机制（Attention Mechanism， AM）与CNN-BiLSTM（Convolutional Neural Network - Bi-directional Long Short-Term Memory）的雷达波形设计方法。首先，利用环境信息，基于互信息（Mutual Information， MI）和信干噪比（Signal-to-Interference-plus-Noise Ratio， SINR）准则构建数据集，然后搭建了CNN-BiLSTM-AM神经网络模型，再利用数据集进行训练和测试对比，从而实现利用网络来生成波形的目的。仿真实验验证了所提方法能够有效兼顾多准则性能，平均雷达综合性能较MI准则提升1.14%，比SINR准则提高2.97%。