电讯技术

作者：郑博元,丛迅超,胡超,陈杰梅

单位：(中国西南电子技术研究所，成都 610036)

关键词：雷达辐射源识别；自监督学习；小样本学习；双流特征融合；

针对实际场景中辐射源数据稀缺造成的小样本问题，提出了一种基于自监督和双流融合的小样本雷达辐射源识别方法。首先利用高斯分布噪声、莱斯多径衰落、设计时钟偏移信号等减损方法，基于有限数量的真实样本构建类均衡辐射源信号样本集。基于增强数据集，提出一种信号时间序列与时频图的双流特征融合模型。采用对比学习方法构建双流特征融合模型的自监督上游任务，以提升在有限标签数据情况下信号多域特征的表征能力与泛化能力。实验结果证明，该方法在小样本条件下能够有效地实现较好的辐射源类型识别能力，在目标域每个类别100个样本限制下，识别精度达到97.1%，与传统一维特征方法和基于长短期记忆(Long Short Term Memory，LSTM)的方法相比均有较大提升。

来源：2023年第9期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第9期