基于物理约束多任务学习的雷达信号脉内调制识别OA

针对复杂电磁环境下雷达信号脉内调制识别中低信噪比适应性差、多参数联合估计精度低的问题,提出一种融合物理约束多任务学习的雷达信号脉内调制识别与参数估计方法。该方法首先基于注意力机制构建特征提取主干网络,通过并行提取信号的时域上升时间、能量集中度等物理特征作为先验约束,引导网络关注信号本质属性以增强抗噪鲁棒性与可解释性;其次,设计多任务共享编码层与特征分层利用架构,联合优化脉内调制类型分类与脉冲参数估计任务,并引入信号时频重构解码器以提升特征的完备性;最后,通过动态加权损失函数平衡多任务学习过程。仿真实验结果表明,在-10 dB和-5 dB低信噪比条件下,对5类典型雷达信号的识别率分别达到88.57%和99.11%,且参数估计误差显著低于传统方法,有效提升了复杂环境下的联合识别性能与工程应用价值。