基于深度学习的TACAN信号检测与识别研究.pdfVIP

哈尔滨理工大学电子信息硕士学位论文

基于深度学习的TACAN信号检测与识别研究

摘要

塔康系统（TacticalAirNavigation，TACAN）是一种航空无线电导航系统，

它在传统测距技术的基础上引入方位测量。该系统首先要通过信号截获模块搜

寻并捕获信号，准确的检测识别有助于提前发现目标。这种高效的侦测系统能

够提前发现潜在目标，为我方提供战略分析和战术部署的重要信息，从而制定

更有效的应对策略，并为精准打击目标提供支持。因此，开展对TACAN信号

检测识别的分析研究是电子对抗侦察一种重要手段。为提高低信噪比下的检测

识别性能，本文利用深度学习方法，将TACAN信号的特征以图形方式进行表

征，对TACAN信号进行检测识别。

首先，分析了TACAN信号的格式、工作模式以及时频特性。描述了本文

涉及的目标检测模型以及注意力机制原理。

其次，在TACAN信号数据集方面，由于目前未有公开的TACAN信号数

据集，因此，需要自制数据集。针对目前TACAN信号仿真存在实现相对复杂

困难、脉冲群间产生脉冲重叠、信号优先级实现方案未知问题，提出一种层次

化优先级结构脉冲群组合的TACAN信号仿真方法。然后，引入高斯白噪声对

数据集进行构建。利用提出的SFHT时频变换方法对数据集中的信号进行时频

特征提取，以提供更全面的信号时频信息。并且对数据集标签进行生成。

最后，在TACAN信号检测识别方面，为了解决传统方法在低信噪比下存

在检测识别率较低的问题，提出了一种改进的YOLOv7模型。该模型以添加高

斯白噪声的TACAN信号时频图作为输入，引入注意力机制模块和改进的空间

金字塔池化网络。注意力机制能够提升网络对TACAN信号频域上的重要信号

成分的关注。改进的空间金字塔池化网络可以扩展模型的接收域，增强核心信

息的特征，进一步增强定位性能。仿真结果表明，该模型在低信噪比下检测识

别的准确率更高，并且整体检测识别效果更好。同时，利用QtDesigner工具包

和PyQt5，设计实现了一款专用于TACAN信号检测识别的软件，包括用户登

录，信号检测识别两个模块。

关键词塔康信号；信号检测；信号生成；YOLOv7；注意力机制；

-I-

哈尔滨理工大学电子信息硕士学位论文

ResearchonTACANsignaldetectionand

recognitionbasedondeeplearning

Abstract

TACANisanaeronauticalradionavigationsystem,whichintroducesazimuth

measurementonthebasisoftraditionalrangingtechnology.Thesystemfirstsearches

andcapturesthesignalthroughthesignalinterceptionmodule,andaccuratedetection

andrecognitionhelpstofindthetargetinadvance.Thisefficientdetectionsystemcan

detectpotentialtargetsinadvance,providinguswithimportantinformationfor

strategicanalysisandtacticaldeployment,sothatwecandevelopmoreeffective

countermeasuresandsupportaccuratetargeting.Therefore,theanalysisofTACAN

signaldetectionandrecognitionisanimpo