基于零样本学习的未知辐射源个体识别研究

来源：电子测量技术杂志2023年第22期北京时间：

作者：孙程远，杜奕航，张涛，杨小蒙

单位：国防科技大学第六十三研究所 南京 210007

摘要：针对辐射源个体识别基本遵循闭集假设无法有效识别未知类的问题，提出了一种基于零样本学习的辐射源个体识别模型实现对已知类和未知类辐射源个体识别。通过搭建卷积神经网络提取隐藏在辐射源信号数据下的语义特征，引入注意力模块增强对关键特征的关注，提出一种组合损失函数促使不同类辐射源信号在语义特征空间分离，根据辐射源信号在语义特征空间的分布进行辐射源个体分类识别。实验结果表明，相较于传统闭集识别，本文所提模型在能够在保持已知类识别率的前提下识别未知类且能在未知类之间区分，平均识别率达到90%以上。在工程化验证中，搭建的未知辐射源个体识别平台能够在室内及室外场景下实现快速准确识别。

关键词：辐射源个体识别;零样本学习;卷积神经网络;注意力模块;组合损失