系统工程与电子技术

作者：晏媛(), 孙俊(), 孙晶明(), 于俊朋()

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 2100039

关键词：雷达目标识别,小样本学习,元学习,迁移学习

基金：国家自然科学基金(U19B2031)

针对雷达小样本目标识别问题, 结合元学习和迁移学习提出一套综合解决方案, 旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式, 从而提升雷达小样本目标识别效率和准确率。同时，通过多组对比实验深入分析小样本学习算法在实际雷达目标识别场景下的模型性能变化, 得出两个可有效指导工程化应用的重要结论。元学习模型在源任务信息充足且源任务与目标任务间差异性小时性能表现良好, 否则迁移学习方法更适用; 小样本学习模型对雷达目标外在特征的关注度不同, 以识别为目的的雷达成像应重点关注模型需求的显著性特征。

来源：2021年第3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2021年第3期