基于元学习的雷达小样本目标识别方法及改进

来源：系统工程与电子技术杂志2022年第6期北京时间：

作者：孙晶明, 虞盛康, 孙俊

单位：1. 南京电子技术研究所, 江苏 南京 210039；2. 中国电子科技集团公司智能感知技术重点实验室, 江苏 南京 210039

摘要：基于深度学习的雷达目标识别方法近年来获得较大关注, 但实战中存在时效性约束和资源限制, 小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题, 本文基于元学习算法, 通过从多个相关任务中学习到的元知识改善新任务的性能, 引入迁移学习思想, 提出一种改进的小样本学习方法, 并通过详细的性能对比实验分析了该方法的应用边界条件。基于实测高分辨距离像数据的实验结果表明, 元学习方法在历史积累样本所含目标类别较多, 与目标任务相关度较大的极小样本情况下, 性能优势才突出, 所提方法可显著提升其综合识别性能。

关键词：雷达目标识别,小样本识别,元学习,迁移学习,高分辨距离像

基金资助：国家自然科学基金(U19B2031)