基于小样本条件的雷达辐射源个体识别算法

丁辰伟，孙闽红，官友廉

(1 杭州电子科技大学通信工程学院，杭州 310000;2 75798部队，北京 100089)

0 引言

特定辐射源识别(special emitter identification, SEI)是通过分析从辐射源发送的信号中提取与辐射源设备相关联的特征参数(个体细微特征)来自动识别辐射源的技术。近年来，人工智能技术迅速发展，深度学习算法被广泛应用于辐射源个体识别。文献[1]提出了一种利用CNN识别7种脉冲重复间隔调制类型的全自动方法，不仅提高了系统的性能，而且对具有丢失和伪脉冲的环境具有鲁棒性；文献[2]构建了一个深度残差网络来学习信号的希尔伯特谱图，有效解决了退化问题，提高了效率和通用性；文献[3]采用卷积神经网络对特定辐射源信号进行压缩双谱识别，提高了识别性能；文献[4]提出了一种基于稀疏自编码器(SAE)的电磁信号分类算法。但是，上述算法都忽略了特征间的内在联系。在图像识别中往往会采用图像增强技术[5-6]对图像进行处理提高识别性能。但是，不论是传统方法还是深度学习方法，算法性能都受到样本数目的约束，在小样本的情况下算法很难达到较好的识别性能。文献[7]提出了一种多模态Weibull虚拟样本创建算法，使用一个数据集来检查所提出的方法的性能，并且通过预测均方根误差进行比较，验证了算法的有效性；文献[8]提出了一种分段随机抽样方法对加速测试数据进行重采样，有效扩展测试样本大小，并通过仿真验证了生成样本的可靠性；文献[9]提出了类似于原始图像的多个虚拟样本生成算法，提高了小样本下的识别率；……