摘要:面对复杂多变的电磁环境与新体制雷达系统,传统的雷达辐射源识别方法已无法满足需求。深度学习模型可有效提取雷达信号的脉内特征,快速准确地对低信噪比、未经分选的雷达辐射源信号进行脉内调制类型识别、型号识别与个体识别。但真实环境中雷达辐射源信号难以收集,无法满足传统的深度学习训练需要,因此小样本雷达辐射源识别是目前研究的热点与难点。文中首先对近年来将基于监督学习的多种经典深度学习方法应用于小样本雷达辐射源识别的研究进行了回顾;其次,介绍了小样本学习在雷达辐射源识别领域的研究进展;最后,基于小样本雷达辐射源识别的研究现状,总结面临的挑战,提出了对未来研究方向的展望。
中图分类号:
苏丹宁, 曹桂涛, 王燕楠, 王宏, 任赫.小样本雷达辐射源识别的深度学习方法综述[J] ●●●●。计算机科学, 2022, 49(7): 226-235. https://doi.org/10.11896/jsjkx.210600138
苏丹宁、曹桂涛、王延南、王红、任和。基于小样本的雷达辐射源识别深度学习研究综述[J] ●●●●。计算机科学,2022,49(7):226-235。https://doi.org/10.11896/jsjkx.210600138