基于图神经网络的雷达信号分选系统设计与脉内特征提取.docxVIP

PAGE2

基于图神经网络的雷达信号分选系统设计与脉内特征提取

摘要

现代电子战环境中雷达信号日益密集且复杂，传统分选方法如PRI分选在低截获概率雷达场景下失效严重，导致信号混淆率高达40%以上。本设计针对雷达信号分选难题，提出基于图神经网络的脉内特征提取与聚类方案，旨在实现信号分选准确率≥85%、处理延迟10ms的核心目标。系统通过构建信号脉冲图模型，利用GNN挖掘脉内调制特征关联性，突破传统方法对PRI稳定性的依赖。

论文遵循工程化设计流程：第一章分析雷达信号分选的现实痛点与理论缺口；第二章论证GNN技术在脉内特征提取中的适用性；第三章明确系统功能与性能指标；第四章设计分层架构与模块划分；第五章详述GNN特征提取算法与聚类流程；第六章实现核心模块并解决图结构构建难点；第七章通过多维度测试验证系统有效性。创新点在于首次将动态图神经网络应用于雷达脉内特征提取，建立脉冲间拓扑关系模型，显著提升复杂信号环境下的分选鲁棒性。全文约2.1万字，为电子战系统提供可落地的技术方案。

第一章绪论

1.1研究背景

现代战场电磁环境呈现高密度、低截获特性，雷达信号数量较十年前增长300%，传统分选技术面临严峻挑战。PRI分选法依赖脉冲重复间隔稳定性，但在频率捷变雷达场景下失效率超50%，导致信号混淆引发误判。例如在2022年红蓝对抗演习中，某型预警系统因无法区分LFM与相位编码信号，造成3