复合干扰识别网络

低干噪比下可识别

同时建模干扰信号的局部瞬态结构与全局调制依赖，在低干噪比下仍能可靠区分复合干扰类型。

Xiaolei, Wan · 白智全 · 晨阳 · Hongwu, Xiang · Xuchao, Teng · 郝新红 · Dai, Jian · 闫晓鹏

Engineering Applications of Artificial Intelligence 2026

参数信息

平均识别准确率

72.65 %

相较最佳基线的提升

2.32 %

技术优势

噪声下仍可识别

通过Swin-Conv双分支联合提取局部瞬态结构和全局调制依赖，残差双向交叉注意力对齐特征，CSK融合模块动态抑制噪声通道，从而在低JNR下保持较高识别率。

比最佳基线更准

SC-CSKNet在低JNR区域的平均识别准确率比最佳基线ConvNeXt Tiny高出2.32%，证明了所提架构的优越性。

计算效率依旧高

尽管采用了双分支和交叉注意力等复杂模块，SC-CSKNet依然保持了优异的计算效率，适合实际部署。

应用场景

• 电子战信号处理：直接从信号中识别复合干扰类型，无需人工特征设计，提升电子战系统的自动化水平。
• 雷达干扰识别：在低干噪比下仍能准确区分复合干扰，帮助雷达系统及时采取抗干扰措施。
• 低干噪比信号分类：专为低干噪比场景设计，有效抑制噪声影响，提高复杂电磁环境下的识别可靠性。