雷达系统在强电磁战中的开放集复合干扰认知方法研究
一、作者及机构
本研究的通讯作者为Jiaxiang Zhang（北京理工大学信息与电子学院雷达研究所），合作者包括Kaixiang Zhang、Xinrui Han、Yilin Wang（北京理工大学）、Bo Wang（北京理工大学长三角研究院）及Quanhua Liu（北京理工大学，兼重庆创新中心）。研究成果发表于《Defence Technology》期刊，2025年7月22日在线发布，DOI编号10.1016/j.dt.2025.07.021。
二、学术背景
本研究属于电子对抗与雷达信号处理交叉领域。现代战争中，雷达系统面临多干扰源协同攻击，传统闭集识别方法（closed-set recognition）无法应对战时可能出现的新型未知干扰类型（如智能噪声干扰SMNJ）。复合干扰（compound jamming）环境下，现有开放集识别（open-set recognition）技术仅针对单一干扰场景，存在性能瓶颈。为此，研究团队提出开放集复合干扰认知框架OSCJC（Open-Set Compound Jamming Cognition），旨在通过检测-分类双网络架构实现已知/未知干扰的同步识别与参数估计，提升雷达抗干扰能力。
三、研究流程与方法
1. 干扰建模与数据生成
- 干扰类型：涵盖压制式干扰（NB-AFJ窄带瞄准式、SFJ扫频式）和欺骗式干扰（SJ切片式、DFTJ密集假目标），以及兼具压制与欺骗特性的SMNJ（作为未知干扰）。
- 信号生成：雷达发射线性调频（LFM）信号，参数如表1所示；干扰信号按表2参数合成，训练集包含2500个已知干扰样本（JNR -1~11 dB），测试集含2250个样本（JNR -10~14 dB），包含单干扰与复合干扰场景。
预处理与特征提取
分类模块设计
实验验证
四、主要结果
1. 单干扰场景：JNR ≥ -1 dB时，OSCJC对已知/未知干扰识别准确率均达100%（表4），显著优于对比方法（如OpenMax-SA仅95.3%）。
2. 复合干扰场景：未知干扰与压制式干扰重叠时，识别准确率随重叠率升高而降低，但全重叠下仍保持≥90%（图10）。
3. 参数估计：IoU阈值0.5~0.95时，误差率稳定在1.35%（图11a），且JNR>1 dB时不受信噪比影响（图11b）。
4. 鲁棒性验证：训练集多样性对检测模块影响显著（图12a），而分类模块对时频模式相似性不敏感（表5）。
五、结论与价值
1. 科学价值：首次提出端到端开放集复合干扰认知框架，突破传统闭集假设限制，为强电磁战环境下的雷达抗干扰提供新范式。
2. 应用价值：YOLOv8检测模块可实现未知干扰定位与参数估计，对比学习分类模块提升特征空间可分性，工程部署中可通过模块化设计优化实时性。
3. 创新观点：统一标注策略与几何参数估计方法可推广至其他电子对抗场景。
六、研究亮点
1. 方法创新：检测-分类双网络架构解决复合干扰开放集识别难题，检测模块mAP达100%，分类模块对比学习损失降低类内半径40%（图9b）。
2. 技术突破：自适应图像缩放保留时频尺度差异，高斯加权类中心更新策略提升对异常值的鲁棒性（参数β=0.95时准确率100%，图15a）。
3. 实验验证：实测数据表明，通过扩充仿真数据可提升模型对未知干扰的泛化能力（图20），验证了方法在真实场景的有效性。
七、其他发现
- 可视化分析：PCA降维显示（图16），检测模块可分离SMNJ与已知干扰特征；时频图标注结果（图18）证明方法对重叠干扰的适应性。
- 计算效率：全模型参数量16.67M，单干扰推理时间1.18 ms（表6），可通过GPU并行加速满足工程需求。
（注：专业术语如STFT、YOLOv8、mAP等首次出现时保留英文原名，后续使用中文译名。）