针对雷达对抗侦察信号在复杂电磁环境中易受干扰导致的数据异常问题，提出多维时序智融网络（MDTFusionNet）。网络架构先融合了TCN，LSTM及自注意力机制，又通过门控网络动态调整模块权重，并结合权重稀疏性约束优化模型鲁棒性，构建了一个既能捕捉雷达信号短期波动、把握长期趋势，又能动态关注关键脉冲信息的异常检测模型。为验证其有效性，采用MLP，TCN及LeNet网络与其进行对比，并从损失函数和准确性评估。实验结果表明，MDTFusionNet的损失函数异常值显著小于传统模型，准确率更高。消融实验进一步证明MDTFusionNet中每个模块都有其各自作用，能更好地学习时序数据特征分布，准确检测异常，验证了其在雷达对抗侦察信号异常检测中的优越性和实用性。
