基于半监督学习的低空小型无人机雷达识别

来源：雷达科学与技术杂志2025年第6期北京时间：

作者：孙延鹏，宁秋月，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：为了提高低空小型无人机雷达识别的效果，本文针对基于雷达的低空小型无人机雷达识别问题提出优化的半监督学习。半监督学习方法能够结合有标签的数据和无标签的数据，改善有限标注样本条件下模型的识别性能。本文主要针对基于分歧的半监督方法进行改进，搭建了一种基于协同的半监督神经网络（Co-training Semi-supervised Neural Networks，CSNN）的无人机识别框架，该框架引入空间注意力机制和通道注意力机制以及Ghost瓶颈层，以达到增加特征聚焦和减少参数量的目的，在开源数据集和使用连续波雷达自测的无人机数据集中都做了相应的实验，实验结果表明，该框架下的半监督学习方法旋翼无人机的分类准确率分别为97.33%和95.78%，都表现出了较大的优越性，相较于有监督学习分别提高了3.01%和2.66%。

关键词：无人机分类,半监督学习,注意力机制,Ghost瓶颈层,连续波雷达,

基金资助：国家自然科学基金（No.61671310）； 航空科学基金（No.2019ZC054004）； 辽宁省高校基本科研业务费资助项目（No.LJ222410143071）