系统工程与电子技术

作者：刘旗, 张新禹, 刘永祥

单位：国防科技大学电子科学学院, 湖南 长沙 410073

关键词：合成孔径雷达,雷达目标识别,小样本学习,融合目标识别,度量学习,元学习

基金：国家自然科学基金(61025006);国家自然科学基金(60872134);国家自然科学基金(61901482);国家自然科学基金(61921001);中国博士后科学基金(2018M633667)

为了解决传统合成孔径雷达(synthetic aperture radar, SAR)目标识别方法在小样本条件下泛化能力差、识别准确率低的问题, 通过在匹配网络的基础上引入权重门控单元和多尺度特征提取模块, 提出了基于门控多尺度匹配网络的小样本SAR目标识别方法。在该方法中, 多尺度特征提取模块能够提取匹配网络不同卷积层的多尺度特征, 权重门控单元能够根据不同的识别任务赋予特征不同的权重大小, 实现根据具体任务选择最具代表性的目标特征, 从而以该特征为主导完成目标识别任务。在运动和静止目标获取与识别(the moving and stationary target acquisition and recognition, MSTAR)数据集上对提出的方法进行了验证, 实验结果表明，所提方法较其他3种小样本学习方法和两种小样本SAR目标识别方法表现出了一定的优越性, 而且所提方法经实验验证在噪声环境下表现出了一定的鲁棒性。

来源：2022年第11期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第11期