基于注意力机制的LPI信号检测系统设计与微弱特征增强 .docxVIP

PAGE2

基于注意力机制的LPI信号检测系统设计与微弱特征增强

摘要

低截获概率（LPI）信号在复杂电磁环境中的广泛应用，给电子对抗侦察带来严峻挑战。传统检测方法在低信噪比下对微弱特征提取能力不足，难以有效识别LPI信号。本文设计并实现了一种基于注意力机制的LPI信号检测系统，通过融合时频分析与深度学习技术，重点增强信号微弱特征的可辨识性。系统采用Choi-Williams分布完成信号时频转换，构建卷积神经网络作为特征提取骨干，嵌入通道注意力与空间注意力模块，提升对LPI信号典型调制特征的捕获能力。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程路线。首先分析电子对抗侦察对LPI信号检测的高灵敏度、低虚警需求，整理功能与非功能需求。随后设计系统总体架构，划分信号预处理、时频变换、注意力增强网络、分类判决四大模块，并定义内部接口与数据存储方案。在详细设计阶段，给出注意力模块的前向传播算法与网络训练流程。实现部分基于Python与PyTorch框架，完成模型搭建与训练，并展示关键模块的核心代码与运行效果。测试表明，本系统在-10dB信噪比下对BPSK、QPSK、FSK、LFM四类LPI信号的平均识别准确率达到92.3%，相比无注意力机制的基线模型提高了约8.5个百分点。系统创新点在于将双注意力机制引入LPI信号检测，通过自适应加权有效增强微弱时频特征，为低信噪比条件