小样本条件下多功能雷达工作模式识别方法

摘要

在日益复杂的电磁环境中，多功能雷达工作模式识别仍然面临着诸多挑战.针对多功能雷达的截获信号样本数量有限，样本增强质量差，导致工作模式识别准确率较低的问题.本文提出一种将自适应填充转换生成对抗网络与模型无关元学习联合驱动的识别方法 .首先，从贴合小样本数据状态出发，采用自适应填充转换生成对抗网络模型进行自适应样本填充和样本增强；然后结合元学习中模型无关元学习算法，从而实现在小样本条件下多功能雷达工作模式的识别.最后，仿真结果表明，相较于生成对抗网络结合模型无关元学习的算法和支持向量机分类器，本文所提方法识别准确率分别提升了2.39%和17.42%.验证了该方法在小样本条件下针对多功能雷达工作模式进行准确识别的有效性.

关键词

多功能雷达 / 模式识别 / 小样本 / 数据增强 / 注意力机制 / 模型无关元学习