第４５卷第３期２０２３年３月系统工程与电子技术ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓＶｏｌ．４５Ｎｏ．３■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■Ｍａｒｃｈ２０２３文章编号：１００１－５０６Ｘ（２０２３）０３－７０８－０９网址：ｗｗｗ．ｓｙｓ－ｅｌｅ．ｃｏｍ收稿日期：２０２２０４０１；修回日期：２０２２０６２７；网络优先出版日期：２０２２０９０６。网络优先出版地址：ｈｔｔｐｓ：∥ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０２２０９０６．１３５３．００６．ｈｔｍｌ＊通讯作者．引用格式：赵庆媛，赵志强，叶春茂，等．基于自注意力的双波段预警雷达微动融合识别［Ｊ］．系统工程与电子技术，２０２３，４５（３）：７０８－７１６．Ｒｅｆｅｒｅｎｃｅｆｏｒｍａｔ：ＺＨＡＯＱＹ，ＺＨＡＯＺＱ，ＹＥＣＭ，ｅｔａｌ．Ｍｉｃｒｏ－ｍｏｔｉｏｎｆｕｓｉｏｎｒｅｃｏｇｎｉｔｉｏｎｏｆｄｏｕｂｌｅｂａｎｄｅａｒｌｙｗａｒｎｉｎｇｒａｄａｒｂａｓｅｄｏｎｓｅｌｆ－ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２３，４５（３）：７０８－７１６．基于自注意力的双波段预警雷达微动融合识别赵庆媛，赵志强，叶春茂＊，鲁耀兵（北京无线电测量研究所，北京１００８５４）摘要：针对预警雷达对气动目标协同识别的需求，提出一种自适应权重双输入自注意力残差融合识别方法。通过分析不同波段雷达对气动目标的微动差异性，在传统卷积块注意力模块（ｃｏｎｖｏｌｕｔｉｏｎａｌｂｌｏｃｋａｔｔｅｎｔｉｏｎｍｏｄｕｌｅ，ＣＢＡＭ）残差网络的基础上进行针对性改进，设计加权双输入ＣＢＡＭ（ｗｅｉｇｈｔｅｄｄｏｕｂｌｅｉｎｐｕｔ－ＣＢＡＭ，ＷＤＩ－ＣＢＡＭ）残差结构，对两种波段的时频图浅层特征自动分配权重并融合，从而均衡不同波段对目标识别的贡献度。仿真和实测数据处理结果表明，ＷＤＩ－ＣＢＡＭ残差网络训练代价小，在信噪比较低及驻留时间较短的情况下识别率高。可视化结果进一步证明了所提方法能够合理分配不同波段输入对气动目标分类的重要性。关键词：自注意力机制；权重自适应；双波段融合；气动目标识别中图分类号：ＴＮ９５文献标志码：ＡＤＯＩ：１０．１２３０５／ｊ．ｉｓｓｎ．１...
