针对飞机躲避单脉冲导引头攻击的需求，提出一种基于级联拖曳式散射调控反射器的无源角闪烁干扰方法。通过电控调制，反射器可以在透射态和反射态之间快速切换，从而产生复杂的角闪烁效应。首先通过构建广义拉格朗日方程分析反射器的运动学特性，然后建立角闪烁干扰的数学模型，最后对转向机动条件下电控反射器对单脉冲导引头的角度干扰效果进行分析。结果表明，利用伪随机信号对反射器进行雷达散射截面调制，可以显著增大导引头的测角误差，误差可达到1.8°以上。所提方法能够有效对抗单脉冲雷达的角度跟踪，可为高价值机动目标提供突防手段。

针对水下无人航行器（underwater unmanned vehicle，UUV）主动声呐系统对信号处理实时性、能效比及集成度的需求，采用模块化设计以及软硬件协同设计思想，提出一种基于异构多处理器片上系统（multi-processor system on chip，MPSoC）的主动声呐实时信号处理算法的加速方案。首先研究适合边缘端部署的声呐信号处理算法；然后设计基于MPSoC的加速计算结构，将数字下变频、逆/快速傅里叶变换、波束形成等具有高计算复杂性的处理步骤移植到可编程逻辑端，实现显著加速；最后将目标检测等复杂度较低的步骤部署在处理器系统端，实现更高的灵活性。仿真及湖上试验结果表明，提出的方案可在数据更新周期的41%时间内完成1帧回波数据的实时处理，并可在复杂水下环境下实时有效探测运动目标。该方案在水下UUV主动声呐探测领域具有广阔的应用前景。

针对声学场景分类任务中模型特征表达能力不充足的问题，提出一种基于自适应多分支卷积优化的网络架构。首先，使用多支路分别提取特征，再引入动态权重自适应改变权值平衡每个支路，提升特征感知能力。其次，考虑现有模型分类时忽略类与类之间的关系问题，引入粗粒度分类器辅助训练原分类模型，通过结果融合增强分类过程。在TUT2020移动开发数据集上进行训练与测试。实验结果表明，相较于优化前的算法，所提模型在准确率上提升了6.5%，证明所提方法可以有效提升整体分类效果。

针对多源航迹长时间融合跟踪中因依赖经验参数而导致的滤波发散与航迹失真问题，提出一种基于机动频率自适应参数的增强层级融合算法。该算法改善传统融合方案对经验参数和理想接收环境的依赖，实现在复杂场景对目标的稳定跟踪并生成综合航迹。实验结果表明，结合机动频率自适应后的增强层级融合模型平均优化幅度达到36.16%。该算法通过引入机动频率驱动的自适应机制与层级反馈结构，显著增强了系统在高动态环境中的鲁棒性与时效性，可为复杂场景下多源航迹的高精度、稳定融合提供有效解决方案。

针对自动驾驶三维目标检测中多层次特征提取和多尺度特征上下文依赖性问题，采用点?体素的检测框架，提出一种综合多项技术的基于局部特征编解码区域卷积神经网络（local feature encode-decode region-based convolutional neural network，LFED-RCNN）。首先，在三维特征提取阶段提出结合卷积网络和Transformer编解码结构的卷积编解码主干，其中额外下采样卷积网络提取多层次三维特征，局部编解码网络建模特征间关联并融合深浅层特征，提升模型在复杂背景下对前景目标的特征获取能力。其次，设计位置编码模块对鸟瞰图视角下的二维特征进行位置编码，建立长期依赖关系，提升检测精度。所提方案LFED-RCNN在KITTI和ONCE数据集上进行验证，在KITTI数据集的困难等级下，对车、行人、骑行者三类检测对象分别可达到82.95%、57.48%、72.14%的平均准确率（mean average precision，mAP）。实验结果证明，所提方法在困难模式上表现出优异性能。

针对空间非相干两点源场景下单脉冲比幅测角的性能分析问题，给出两点源比幅测角一般模型。在此基础上，推导非相关两点源的比幅测角解析闭合表达式，并给出3种典型情况及其约束条件。然后，分析比幅测角误差与信号功率比、方位角等误差的理论公式。最后，通过数字仿真给出两点源信号功率比、信号方位等对比幅测角的影响以及相关误差分析。结果表明：测角均值位于两点源之间；相关仿真分析结果与理论一致。本文完善了两点源比幅测角理论，为非相干两点源测角性能分析、测角系统方案优化等提供理论依据。

针对传统模型驱动算法处理空间临近相干源信号精度下降，以及数据驱动算法需大样本训练的问题，提出基于角度间隔分离学习的高精度波达方向估计方法。该方法利用信号角度间隔稀疏特性，结合分域思想，通过空间滤波器估计角度间隔信息，将信号划分至对应角度间隔域，再利用深层神经网络多标签分类器完成波达方向估计。同时引入稀疏自编码技术，通过压缩输入数据和提取关键特征，降低计算复杂度的同时有效滤除干扰。仿真结果表明，与其他数据驱动算法相比，该方法在少量训练样本条件下对空间临近角度信号具有更高的估计精度和泛化能力。

随着空间技术的快速发展，天基雷达系统已成为全球监视和战略预警的重要技术手段，然而天基雷达系统在遂行太空环境下的空间目标预警监视任务需解决诸多技术难题。近年来，针对天基雷达的系统设计与关键技术开展广泛研究，在大型可展开天线技术、空间环境下的检测跟踪技术、数据处理与信息传输链路、天基传感器调度等技术方向已经形成诸多研究成果。本文介绍天基雷达关键技术的发展脉络，从最初的导弹预警卫星演化到目前的多功能综合监测系统，并递进地梳理天基动平台场景面向检测、跟踪、逆合成孔径雷达成像、雷达组网与资源调度5类任务需求的研究内容和研究进展，为面向空间预警监视任务的天基雷达关键技术研究提供纵向和横向的对比视角。在目前研究的基础上，分析天基雷达系统的优势与面临的挑战，进一步给出天基雷达预警监视任务中潜在的研究方向和未来的发展趋势。

针对低空环境中自然及人为因素干扰导致背景杂波呈现非均匀分布，使多目标跟踪算法中出现较多虚假目标问题，提出一种基于聚类的标签无迹卡尔曼概率假设密度低空多目标跟踪算法。首先，通过密度聚类将量测数据划分为密集区域和稀疏区域，分别去除各区域中的杂波量测，使各区域量测数据均匀化，从而抑制了非均匀杂波的干扰。然后，引用标签进行目标区分和航迹维持，使目标轨迹具有连续性。仿真结果表明，该算法有效抑制了虚假目标的产生，实现了非均匀杂波环境下准确、连续且高效的多目标跟踪。

X波段航海雷达海杂波中包含丰富的海浪信息，可用于遥测海浪。近年来，在基于X波段雷达利用阴影法估计有效波高的过程中，由于余补误差函数和指数项的存在，致使无法获得波陡的数值解析解，限制了阴影法反演有效波高的实际应用。根据实际测量条件将余补误差函数等近似处理，通过对近似方程求解，便可由照度概率直接获得海浪的波陡，进而反演海浪有效波高。利用福建平潭试验场采集的X波段图像进行验证，实验结果表明改进后的阴影方法可以代替现有阴影法去反演有效波高，二者反演结果的相关性系数为0.998 0，均方根误差为0.022 4 m，且运算时间由6.367 s缩短为0.088 s。

针对合成孔径雷达数据集稀缺，生成对抗网络图像生成时计算量高、训练不稳定和大数据依赖等问题，提出一种基于方差拟合的多方位合成孔径雷达图像插值方法。通过挖掘不同插值方法的特性差异，实现了水平面方位角数据扩充。实验结果表明，主极化插值效果显著优于交叉极化，均方根误差降低32.7%，峰值信噪比提升2.8 dB，即使在海情5级时，仍保持高保真度（径向积分相似度>0.994），验证了方法的有效性。该方法充分挖掘图像插值方法之间的差异性，为合成孔径雷达图像数据集的扩充提供了一种新的解决方案。

针对战场实战电磁对抗中，多干扰机协同作战会导致多种不同雷达干扰信号同时存在，使用传统卷积神经网络对大量混叠干扰进行识别存在规模大、难以精细化识别干扰类型的问题，提出一种递进式卷积神经网络，通过分步算法分别提取存在的混叠类型特征以及干扰类型特征。通过对多种混叠干扰信号时频分析，构建训练集与测试集对网络进行训练。仿真实验表明，该网络对同时存在的3种混叠类型下的15种不同干扰信号，可以达到99.3889%以上的识别准确率，在不同干噪比条件下识别效能明显优于传统卷积神经网络。

合成孔径雷达（synthetic aperture radar，SAR）图像可提供丰富的场景态势信息，而逐步恶化的电磁环境使得SAR抗干扰技术备受关注。近年来，深度学习技术在图像分类识别方面展现出优越性能。针对用于训练深度模型的有源干扰SAR图像数据需求量大且缺少干扰图像数据集的现状，在对13种典型有源干扰样式及其对SAR干扰特性分析的基础上，从多场景干扰参数覆盖性角度考虑，进行基于仿真的SAR干扰图像数据集构建；搭建基于Transformer的干扰识别模型和多个典型模型，在构建数据集上进行干扰分类识别研究。实验结果表明，由于引入全局自注意力机制的同时结合了可变形注意力机制，所提基于Transformer的干扰识别模型具备更强的干扰特征全局建模能力和干扰区域鉴别能力，在所构建数据集上相对其它模型表现出更为优良的性能。

针对目前荷电状态（state of charge, SOC）估计方法考虑温度与退化共同影响及其关联耦合关系较少，导致电池性能退化后的模型表征不完善、SOC估计精度不足的问题，提出一种基于退化注入场路耦合模型的锂电池SOC估计方法，以实现全寿命周期下SOC的准确估计。首先建立等效电路模型与多物理场模型耦合的场路耦合模型，刻画温度的影响；进而使用离线参数辨识方法将温度、退化等因素注入等效电路模型参数中；最终建立代理模型提高计算效率，实现在线SOC估计。案例验证结果表明，在锂电池经过长时间运行发生退化后，相比于其他方法，所提方法的估计结果具有更平稳的曲线和更高的精度。

针对异构无人集群杀伤网任务路径生成建模整体统筹不足和评估关联分析薄弱的问题，提出一种基于多层网络与数据包络分析（data envelopment analysis，DEA）的任务路径生成建模与评估方法。一是构建“目标-线程-兵力”3层网络模型，提出融合目标优先级与闭合任务路径转化率，量化任务路径可用性；二是设计约束传播与回溯搜索算法，通过功能、结构、行为关联性约束剪枝，实现闭合任务路径的高效检索；三是基于DEA构建兵力关联性评估模型，揭示功能冗余、行为冗余与结构不足对任务路径生成效率的影响机制。实验验证表明，约束传播与回溯搜索算法较全组合枚举法效率提升显著，DEA为兵力配置优化提供了量化依据。研究成果可为HUS-KW的体系建模与能力提升提供理论支撑。

针对无人机（unmanned aerial vehicle，UAV）多对一追逃博弈问题，以强化学习的深度确定性策略梯度算法（deep deterministic policy gradient, DDPG）为基础，结合追逃问题的微分博弈对抗数值求解结果，提出一种混合经验的DDPG（mixed experienced DDPG，ME-DDPG）算法。在探索学习的策略集中加入博弈对抗数值解，计算出指向性策略，提升UAV追击策略的训练效率，改善UAV追逃博弈问题中由于回合任务过长、回报奖励稀疏、强化学习算法探索不足而导致的算法收敛速度缓慢且容易局部收敛的问题，提高了强化学习算法的学习效率。仿真实验结果表明，使用ME-DDPG算法解决UAV多对一博弈追逃任务时能够快速收敛，任务成功率达到83%。对比实验验证了所提算法相较DDPG算法在收敛性、稳定性以及任务成功率方面的优势。

为提升智能飞行冲突解脱方法的持续有效性，考虑空域环境等因素动态变化的情况，在智能飞行冲突解脱算法中引入持续学习机制。首先基于马尔可夫决策过程对飞行冲突解脱问题建模；再利用深度强化学习方法对模型进行训练，使其能够有效解决飞行冲突；最后引入基于参数隔离和元学习两种持续学习方法，便于模型快速适应新冲突场景。实验结果表明，在引入持续学习方法后，模型在初期的冲突解脱成功率几乎超过70%，最终超过90%，对于初始训练场景的记忆留存程度超过87%，有效避免了灾难性遗忘，提升了模型的持续学习能力。该模型对于保障飞行安全、降低管制员工作负荷、提升空中交通运行效率有重要意义。

在人机协同作战场景下，针对如何通过多通道交互关联隐性知识以优化交互设计问题，提出隐性知识挖掘方法。首先，分析典型人机协同作战任务中的作战流程，结合视觉、语音、手势等多种交互通道，设计协同作战的多通道人机交互系统。其次，以该系统为载体，构建行为认知图模型，对协同作战流程中的关键节点进行关联度分析，并结合眼动追踪数据对操作者的交互行为进行定量分析。最后，引入图论中的物理量对隐性知识进行显性化描述，表明所提方法可有效融合感知信息。所提方法可为多通道交互系统中人机交互模式的优化设计提供有价值的参考。

针对如何选择合适的因果发现方法、计算因果影响强度，并进行精确的根因定位，首先介绍了不同的因果发现方法，并分析其应用于复杂系统的优劣。其次，探讨了因果影响权重的计算方法。再次，对复杂系统的根因定位方法进行了系统概述。接着，归纳了现有研究的应用领域，并列举已有数据集与工具平台。然后，从复杂系统的观测数据处理、因果发现方法设计、根因定位方法设计、根因分析结果评估4个方面提出存在的问题与挑战。最后，从数据处理、因果发现方法、根因定位方法、结果评估与检验4个方面进行展望。本文可为进一步深入探索基于因果发现的复杂系统根因分析提供参考。

针对装备维修器材保障需求确定难、响应时效慢、储存效果差等问题，提出一种基于群模糊层次分析法（group fuzzy analytic hierarchy process，GFAHP）和改进指标相关性的指标权重确定（criteria importance though intercrieria correlation，CRITIC）法的多准则妥协解排序（vlsekriterijumska optimizacija i kompromisno resenje，VIKOR）器材代储工厂决策方法。在构建装备维修器材代储工厂选优指标体系的基础上，结合主客观赋权各自优势，分别利用GFAHP和改进CRITIC对准则层和指标层赋权并组合。再采用VIKOR法对备选代储工厂进行排序以确定最优方案。通过案例分析比较了不同折衷系数、赋权方式、决策方法、选择场景对决策结果的影响。证明了所提方法的合理性和有效性。

单一飞行员驾驶(single-pilot operation，SPO)模式具有领域知识体量庞大、体系复杂、重复使用困难等特点，导致领域知识认知不统一、自适应智能驾驶模式界定模糊等问题。针对这些问题，首先，分析SPO模式协同飞行组织架构并梳理其领域相关知识，基于Protégé构建面向SPO模式的多领域语义网络本体模型。其次，结合SPO模式自适应切换方法推理框架和流程，基于本体和语义网规则语言(semantic web rule language，SWRL)定义本体语义特征规则和数值特征规则，以推理在不同运行场景下的高匹配性自适应驾驶模式。最后，基于指标体系定量评估SPO模式领域本体模型质量。评估结果表明，所设计的SPO模式领域本体模型具有高内聚、低耦合的特性。构建的典型飞行场景案例验证了SPO模式自适应切换逻辑的可行性，以及本体的一致性和自适应切换驾驶模式的正确性。

针对航空装备面临作战任务复杂多样、战场环境动态多变，其状态鉴定、作战试验等通用质量特性评估常常面临数据样本量少、波动大等问题，从偏度和中心极限定理入手，提出通用质量特性参数小偏度数据下最小样本量要求的确定方法。首先，确定一定参数的目标分布，计算该参数下该分布的偏度。其次，取一定的初始样本量，生成该分布的多个随机数，计算其均值。再次，对其均值进行正态性检验，判断在给定样本量下是否通过正态性检验。最后，用试验中装备的平均故障间隔时间进行案例分析，证明了小偏度样本在小于推荐值情况下，计算结果仍具有参考意义。所提方法可为小样本量下航空装备通用质量特性的准确评估提供技术性指导。

舰船装备正向设计需求分析存在系统性、完备性、合理性不足，与实战化需求匹配度不高等问题。根据基于模型的系统工程思想建立基于国防部体系结构框架（Department of Defense Architecture Framework，DoDAF）的舰船实战化需求建模与分析方法。首先，定义舰船实战化需求的概念内涵，围绕舰船实战化需求分析目的，对DoDAF进行适应性剪裁，建立面向舰船实战化需求分析的DoDAF建模方法。然后，构建可拓展的舰船设计领域本体模型，建立以活动为中心的舰船实战化需求映射分解和结构化提取方法。示例分析表明，所提方法补充完善了实际作战场景下的舰船实战化需求，有利于提高舰船设计要求与舰船实战化需求的匹配度。所提方法可为舰船装备正向设计需求分析提供方法论指导，对于从需求设计源头提升舰船装备正向设计水平具有重要意义。

影响无人机（unmanned aerial vehicle，UAV）集群追踪效果的最大误差来源之一是通讯过载，因此通讯过载进行实时量化处理将直接影响UAV集群追踪性能。首先，针对无人集群编队敏捷追踪时敏目标，提出一种具有量化的自适应控制方法，该方法能够实现集群在通讯受限下依旧保持预设的追踪效果。其次，考虑部分参数未知的一类高阶非线性系统，采用量化理论建立集群编队模型。然后，针对UAV集群模型，采用变量转换思路，获取完整性约束的集群模型，结合反步技术，设计UAV集群追踪控制律，并实时更新模型未知参数；再次，将所提方法与滑模控制、动态面控制进行仿真对比分析，同时对量化特性进行讨论。最后，通过Lyapunov稳定性理论和UAV样机仿真实验，验证所设计控制器的有效性和合理性，对工程实践具有一定指导意义。

针对低轨（low Earth orbit, LEO）巨型星座这类近圆轨道卫星自主构型保持的需求，研究一种基于非奇异轨道根数和扩展卡尔曼滤波（extended Kalman filter，EKF）的自主实时平均轨道根数估计算法。推导非球形摄动带谐项、田谐项和大气阻力摄动作用下的平均根数动力学模型，并以此建立滤波模型，设计基于EKF的自主实时平均根数估计算法。仿真结果表明，该算法可以长期应用于平均根数的在轨估计，精度相比数值迭代法和快速傅里叶变换方法可以提升一个量级，其中半长轴估计误差可达米级，而且全部轨道根数的估计误差均具有稳定性。最后将算法应用于卫星真实测量数据，验证了算法在实际工程中的可行性以及对不同轨道高度的适用性。

针对惯性传感器故障导致的导航信息不准确甚至失效的问题，提出一种基于改进卡尔曼滤波的故障诊断方法。该方法通过引入迭代双模型机制，提高扩展卡尔曼滤波算法在处理非线性系统时的性能。同时，采用运动学模型，降低方法对湍流的敏感性，提升算法精度。通过对仿真实验数据的评估验证并与传统方法进行对比分析，结果表明本文所提方法在准确性和鲁棒性上具有显著优势，能够有效实现对惯性传感器突变以及渐变故障的诊断。

基于低轨（low Earth orbit, LEO）卫星增强系统提升全球卫星导航系统（Global Navigation Satellite System, GNSS）性能已成为当前研究热点之一，本文设计了LEO增强信号与GNSS信号兼容的捕获方法，有助于减小接收机成本。本文理论推导了在地面接收LEO导航增强信号时的多普勒频偏和多普勒变化率特性，分析了短时相关结合快速傅里叶变换在捕获LEO信号中的参数配置方式。在保持GNSS捕获引擎中频存储硬件不变的情况下，仿真分析了LEO增强信号捕获灵敏度性能，并给出了强信号和弱信号的捕获配置方案。强星搜索时对比了单独低速电文分量与低速电文分量+高速电文分量联合捕获两种方案的捕获性能，弱信号搜索时对比了100 ms和300 ms的捕获参数配置方式，给出了在不增加GNSS捕获引擎硬件资源消耗下的LEO导航增强信号的捕获灵敏度，实现了良好的捕获兼容性与灵敏度指标。

针对单一温度数据对光纤陀螺温度误差补偿过于片面的问题，提出一种基于热扩散的光纤陀螺温度误差补偿方法。首先，基于热扩散原理建立光纤环轴向任意点温度的预测模型；然后，基于该模型分别对多项式和反向传播（back propagation，BP）神经网络温度补偿模型进行优化；最后，在全温实验的条件下，结合有限元分析，对该温度预测模型的准确性进行验证，再采用优化后的补偿模型对多个光纤陀螺输出零偏进行补偿。实验结果显示，优化后的多项式补偿模型相对于传统补偿模型，补偿精度可以提高67.4%，优化后的BP神经网络补偿模型，相较于原始数据，补偿精度最高可以提升90.0%。相较于单一温度数据补偿，所提方法有效提升了光纤陀螺的输出精度。

针对陀螺飞轮非调谐大倾侧运行工况下姿态敏感机理复杂、测量精度低等问题，提出一种融合姿态测量机理与深度神经网络补偿的姿态测量方法。以陀螺飞轮的径向动力学模型为基础，在考虑内部传感器配置约束的前提下，基于简化假设构建机理测量模型。设计注意力机制与长短时记忆网络集成的深度学习回归模型，通过挖掘姿态测量误差与陀螺飞轮运行状态数据间的潜在关系实现测量误差补偿。提出基于机理与数据驱动的融合方法，使得陀螺飞轮以较高精度测量外部载体的角速度。通过对比实验验证了所提方法的测量精度提升效果和优越性能。

针对一体化联合作战环境下的协同作战需求，分析美军新一代数据链战术瞄准网络技术（tactical targeting network technology, TTNT）的关键技术体系及发展应用方向。对照传输控制协议/网际协议五层协议，将TTNT数据链细化分为分层式网络体系架构，分析其在消息格式、信息传输、通信安全等层面的关键技术，归纳各技术的发展现状。将TTNT数据链与其他数据链进行性能与优缺点对比，总结TTNT与其他数据链的协同关系及未来发展趋势，可对TTNT数据链关键技术融合提供设计指导。

水声信道中时常存在脉冲噪声（impulsive noise，IN），严重降低水声正交频分复用（orthogonal frequency division multiplexing，OFDM）系统的性能。针对这一问题，提出利用全部子载波的基于广义近似消息传递稀疏贝叶斯学习（generalized approximate message passing-based sparse Bayesian learning，GAMP-SBL）的信道与IN联合估计（joint channel and IN estimation，JCIE）算法及其改进算法。首先，基于信道与IN的联合稀疏性，将数据符号视作未知参数，利用全部子载波构建压缩感知（compressed sensing，CS）模型。然后，使用GAMP-SBL算法恢复联合稀疏向量，并将符号估计引入GAMP-SBL框架中，实现信道冲激响应、IN与数据符号的联合估计。此外，利用初始化数据符号过程中获取的信道与IN先验信息，剔除全部子载波CS模型字典矩阵中的冗余原子，进一步降低计算复杂度。仿真结果表明：所提算法与现有的基于GAMP-SBL的信道与IN估计算法相比，能够有效提高信道估计、IN估计和系统误码性能；与基于SBL的信道与IN估计算法相比，能够在低复杂度情况下保持相近的系统性能。

聚焦轨道角动量(orbital angular momentum，OAM)技术在无线通信中的应用，针对收发端均匀圆形天线(uniform circular antenna, UCA)阵列未对准的多径通信场景，提出OAM域与空间域联合的信道估计方案。由于收发端UCA难以严格对齐且 OAM波束易产生多径效应，方案分两阶段进行信道估计。第一阶段在OAM域估计直达径参数，应用旋转不变技术信号参数估计算法得到直达径信道；第二阶段在空间域估计散射径参数，通过混合信号与直达径信号相减得到散射信号，利用逆离散傅里叶变换和多信号分类算法估计角度参数完成信道估计。仿真结果表明，该方案能准确估计直达径和散射径参数，均方误差曲线性能良好，为OAM技术在无线通信中的应用提供有效方案。

针对准循环低密度奇偶校验（quasi-cyclic low density parity check, QC-LDPC）码稀疏校验矩阵重建问题，基于空间压缩思想提出一种高误码率下的QC-LDPC码稀疏校验矩阵重建算法。将QC-LDPC码按照准循环块长度进行压缩，利用压缩后的码字序列重建校验位置矩阵；根据校验位置向量中“1”的位置，截取相应准循环块组成新码字空间，利用迭代消元方法重建稀疏校验矩阵；重建过程中利用“剔除错误码字”和“改进型分层置信传播译码”方法改善码字质量，从而加快重建速度，提升重建性能。仿真结果表明，所提算法在高误码率0.004的条件下，相对于IEEE802.11n协议下的(648,324)LDPC码，稀疏校验矩阵重建率提升了25.48%，可达到92.28%，能够为后续信道译码提供更完整的检验矩阵。

在无线通信环境中压制式复合干扰信号对通信系统的正常工作有着严重的影响，针对其特征提取和识别较为困难的问题，提出一种基于短时傅里叶变换（short time Fourier transform, STFT）和残差卷积网络的复合干扰识别算法。该算法将STFT得到的时频域信息作为输入，同时对复合干扰信号的种类和干噪比进行识别，为了使模型更加适合部署在移动端上，采用幻影卷积代替普通卷积。仿真结果表明，在干噪比为?15~10 dB的范围内，该算法在5种单一干扰及其复合而成的10种复合干扰信号种类识别任务上准确率可以达到99.97%，在干噪比识别任务上准确率可以达到99.04%。相比于残差卷积网络，该算法在几乎不降低准确率的前提下可以使模型参数量减小38.4%，计算复杂度降低46.6%，更加符合移动端的要求。