融合双注意力的小样本辐射源个体识别网络

来源：电子测量技术杂志2024年第19期北京时间：

作者：刘佳乐，郭志涛，王宏，张森

单位：1.河北工业大学电子信息工程学院 天津 300130; 2.河北工业大学创新研究院(石家庄) 石家庄 050299

摘要：特定辐射源识别在军事和民用领域中发挥着越来越重要的作用。随着深度学习技术的飞速发展，SEI方法的识别性能得到了显著提升。然而这些方法往往依赖于大量的辐射源样本数据，在样本数量有限的实际应用场景中表现不佳。针对这一问题，本研究提出了一种新颖的深度学习网络模型CRCPA-GCN用于实现小样本场景下的SEI。该模型在多层复数卷积神经网络中融合了CPCA和GCNet注意力模块，采用类重建和对抗训练的方法显著提升了小样本场景下的识别性能。本研究在公开数据集上进行了一系列实验验证，并与当前主流的SEI网络模型进行了比较。实验结果表明，在20 shot的学习条件下，所提出的CRCPA-GCN网络模型达到了95.81%的准确率，优于其他主流SEI网络，并且在鲁棒性方面表现出色。

关键词：特定辐射源识别;小样本学习;注意力模块;类重建;对抗训练

基金资助：河北工业大学创新研究院(石家庄)石家庄市科技合作专项基金(SJZZXB23005)项目资助