多域浅层特征引导下雷达有源干扰多模态对比识别方法

TN958; 在雷达有源干扰识别任务中,如何实现多域浅层特征与时频域深层网络特征的稳健联合,并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题.针对此问题,该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法.在充分提取有源干扰多域浅层特征基础上,设计优选单元自动选择有效特征,生成对应含有隐式专家知识的文本模态.将文本模态与时频变换图像分别输入文本和图像编码器,构建多模态特征对并映射至模态对齐高维空间中,利用文本特征作为锚点,通过对比学习引导同类干扰的时频图像特征聚合,以优化图像编码器表征能力,实现干扰识别特征类内更聚集、类间更分离.实验结果表明,相较于已有深浅特征直接联合,所提...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 13; no. 5; pp. 1004 - 1018
Main Authors 郭文杰, 吴振华, 曹宜策, 张强, 张磊, 杨利霞
Format Journal Article
LanguageChinese
Published 中国电子科技集团公司第三十八研究所 合肥 230088%天基综合信息系统全国重点实验室 北京 100094%中山大学电子与通信工程学院 深圳 518107 01.10.2024
安徽大学电子信息工程学院 合肥 230601%安徽大学电子信息工程学院 合肥 230601
Subjects
雷达有源干扰识别
极端小样本
多模态
Multidomain jamming characteristics
Multimodal
Extreme small samples
监督对比学习
Supervised contrastive learning
多域浅层干扰特征
Radar active jamming recognition
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR24129

Cover

More Information
Summary:TN958; 在雷达有源干扰识别任务中,如何实现多域浅层特征与时频域深层网络特征的稳健联合,并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题.针对此问题,该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法.在充分提取有源干扰多域浅层特征基础上,设计优选单元自动选择有效特征,生成对应含有隐式专家知识的文本模态.将文本模态与时频变换图像分别输入文本和图像编码器,构建多模态特征对并映射至模态对齐高维空间中,利用文本特征作为锚点,通过对比学习引导同类干扰的时频图像特征聚合,以优化图像编码器表征能力,实现干扰识别特征类内更聚集、类间更分离.实验结果表明,相较于已有深浅特征直接联合,所提引导式联合方法可以实现特征差异处理,从而提高识别特征判别力和泛化力.且在极端小样本条件(每类干扰训练样本为2～3个)下,所提识别方法较先进对比方法的准确率提升9.84%,证明了该文方法的有效性与鲁棒性.
ISSN:2095-283X
DOI:10.12000/JR24129