基于转导条件神经自适应网络的少样本雷达手势识别

来源：雷达科学与技术杂志2025年第4期北京时间：

作者：张雨楠，余鸿文，石野，谭冠南，盛志超，方勇

单位：1. 上海大学通信与信息工程学院， 上海 200444;2. 上海科技大学信息科学与技术学院， 上海 201210;3. 惠州硕贝德无线科技有限公司， 广东惠州 516000

摘要：雷达手势识别（Hand Gesture Recognition, HGR）技术通常依赖于大量的样本数据以实现高识别精度，但是雷达数据的采集、标注需要耗费大量的人力成本。在标注数据稀缺的情况下，深度学习在HGR技术上的应用和效果均受到限制。为了解决上述问题，本文提出了一种基于转导条件神经自适应网络的手势识别算法。具体而言，该算法采用了元学习的思想，旨在通过少量训练样本训练出能够快速适应新HGR任务的模型。此外，所提算法采用了基于条件神经自适应的特征提取模块，通过调整模型中的少量参数，选择性地关注跨任务的有用特征，从而实现灵活性和鲁棒性之间的有效平衡；同时，该算法还结合了转导推理方法，利用图构造模块在数据中开发新类空间的流形结构，提高了识别精度。实验结果表明，本文提出的模型在5?way 3?shot和8?way 3?shot的少样本分类任务中，手势识别精度分别能达到90.94%和87.67%。

关键词：手势识别,少样本学习,元学习,调频连续波雷达,

基金资助：上海扬帆专项（No.23YF1412700）