基于多尺度特征匹配的小样本雷达无人机识别

来源：雷达科学与技术杂志2026年第1期北京时间：

作者：孙延鹏，石增辉，屈乐乐

单位：沈阳航空航天大学电子信息工程学院， 辽宁沈阳 110136

摘要：为了提高在数据不足的情况下对雷达无人机的分类效果，本文提出一种基于多尺度特征增强和度量学习的小样本分类方法——基于高效网络（EfficientNet）的多尺度学习网络（EfficientNet?based Multi?scale Learning Network,EMLNet）。该方法在轻量化EfficientNet网络中引入高效多尺度注意力机制（Efficient Multi?scale Attention，EMA）进行特征提取，通过多尺度并行子网络与跨空间依赖建模能力，有效增强了特征的稳定性与判别能力。分类阶段通过引入基于局部特征匹配的方法，实现支持集与查询集之间的细粒度相似性建模，为提升训练稳定性与泛化性能，本文进一步结合原型损失（Prototypical Loss）与交叉熵损失（Cross?Entropy Loss）构建复合损失函数（PCE Loss），引导模型在优化类间判别性的同时保持类内特征聚集性。最后在开源的多普勒雷达数据集上开展实验，实验结果表明，所提方法在小样本场景下表现出显著的性能优势。

关键词：无人机分类,连续波雷达,小样本学习,EfficientNet网络,度量学习,时频图,

基金资助：国家自然科学基金（61671310）；航空科学基金（2019ZC054004）；辽宁省高校基本科研业务费(LJ222410143071)