零记忆增量学习的复合有源干扰识别

来源：电子与信息学报杂志2025年第1期北京时间：

作者：吴振华, 崔金鑫, 曹宜策, 张强, 张磊, 杨利霞

单位：1.安徽大学信息材料与智能感知安徽省实验室 合肥 2306012.中国电子科技集团公司第三十八研究所 合肥 2300883.天基综合信息系统全国重点实验室 北京 1000944.中山大学电子与通信工程学院 深圳 518107

摘要：非完备、高动态有源干扰对抗作战环境下，现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型，在面对库外类型多样、参数多变、组合方式多元的复合干扰时，模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题，该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先，利用元学习训练模式对库内单一干扰进行原型学习，训练出高效的特征提取器，使其具备对库外复合干扰特征有效提取能力。进而，基于超维空间和余弦相似度计算，构建零记忆增量学习网络(ZMILN)，将复合干扰原型向量映射到超维空间并存储，从而实现识别模型动态更新。此外，为解决样本数非均衡下复合干扰识别问题，设计直推式信息最大化(TIM)测试模块，通过在互信息损失函数中加入散度约束，对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明，该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后，平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取，实现对多种组合条件下库外复合干扰的快速动态识别。

关键词：雷达有源干扰, 零记忆增量学习, 非均衡, 直推式信息最大化, 复合干扰识别

基金资助：国家自然科学基金(62201007, 62401007)，中国博士后科学基金(2020M681992)，安徽省自然科学基金(2308085QF199)