基于CNN-Swin Transformer Network的LPI雷达信号识别

针对在低信噪比(SNR)条件下，低截获概率雷达信号调制方式识别准确率低的问题，提出一种基于Transformer和卷积神经网络(CNN)的雷达信号识别方法。首先，引入Swin Transformer模型并在模型前端设计CNN特征提取层构建了CNN+Swin Transformer网络(CSTN),然后利用时频分析获取雷达信号的时频特征，对图像进行预处理后输入CSTN模型进行训练，由网络的底部到顶部不断提取图像更丰富的语义信息，最后通过Softmax分类器对六类不同调制方式信号进行分类识别。仿真实验表明：在SNR为-18 dB时，该方法对六类典型雷达信号的平均识别率达到了94.26%,证明了所提方法的可行性。