异常性检测算法在引信干扰信号识别中的应用

目的 解决传统分类引信抗干扰算法因干扰信号难获取、特征信号样本少、正负样本数不平衡而导致计算精度低的问题,克服引信抗干扰算法对样本的依赖性,并提高引信信号识别准确率。方法 通过WVD时频变换的方法,将拆分后的真实含扰引信信号切片进行重组,使其由一维时序信号向二维图片信息进行扩展,基于数据倍增策略,提升算法泛化性,并降低其对真实数据样本的依赖。融合GANomaly与EfficientNet网络,在扩充的引信数据集上进行线下干扰信号特征学习,并对含扰引信图像数据进行线上异常性判断与干扰信号识别。结果 GE-FS网络能够在真实引信小样本信号的基础上进行有效数据扩充,基于扩充数据训练后,引信含扰识别准确率达到98.4%。结论 GE-FS网络能有效针对引信异常信号进行精确检测与识别,可以增强引信系统的抗干扰能力与作战自适应性。