基于高效局部注意力的小样本HRRP目标识别网络

来源：雷达科学与技术杂志2025年第6期北京时间：

作者：王国庆，张云龙，但波，薛伟

单位：1. 海军航空大学， 山东烟台 264001;2. 哈尔滨工程大学烟台研究院， 山东烟台 264000

摘要：雷达高分辨距离像（High Resolution Range Profiles, HRRP）能够反映被测物体的结构信息，并且由于其易于获取的特性，近年来成为雷达自动目标识别（Radar Automatic Target Recognition, RATR）领域重要的研究方向。本文针对雷达HRRP序列数据提出了一种通过格拉姆角场（Gramian Augular Field, GAF）方法将其转换成二维图像处理的方法，此方法能够在保留原有信息的基础上增加一个维度的特征，便于神经网络进行特征提取；并且针对小样本数据集问题，提出了一种基于迁移学习的带有高效局部注意力（Efficient Local Attention, ELA）机制的卷积神经网络架构，此架构冻结神经网络前5层卷积层的参数，对注意力模块以及全连接层进行单独训练，使模型具有更快的收敛速度和更高的识别精度。通过在5类舰船数据集上的测试发现，迁移学习方法比从头训练模型的训练时间减少了6%，准确率提升了11.62%。

关键词：高分辨距离像,雷达自动目标识别,小样本学习,格拉姆角场,高效局部注意力,

基金资助：国家自然科学基金（No.62388102）