基于知识原型网络的小样本多功能雷达工作模式识别
Multi-Function Radar Working Mode Recognition with Few Samples Based on Knowledge Embedded Prototype Network
查看参考文献15篇
|
文摘
|
在认知电子战中,对多功能雷达工作模式的识别是至关重要的一个环节.在实际中,由于多功能雷达工作模式的多样性、隐藏性,能侦收到的不同工作模式脉冲样本数可能较少.因此,如何在少量样本条件下,准确识别多功能雷达的工作模式,对雷达对抗具有重要意义.针对此问题,本文提出了一种将模式先验知识与原型网络相融合的识别方法.该方法的核心是将雷达工作模式先验知识进行编码映射,并融入原型网络训练,实现知识在网络模型中的内嵌,以在少量训练样本条件下获得更好的识别性能.仿真结果表明,融入了先验知识的原型网络与不使用先验知识的原型网络、SVM分类器相比,识别准确率分别提升了2.9%和10.5%. |
|
其他语种文摘
|
Multifunctional radar working mode recognition is important for cognitive electronic warfare. In practical applications, due to the diversity and concealment of multifunctional radar operating modes, the intercepted pulses for different operating modes is limited. Therefore, using only limited intercepted pulse records to accurately recognize the modes of the radar is a challenging but important task for radar countermeasures. To address the above problem, this paper proposes a novel recognition method by integrating the prior knowledge with the prototype network. The core of this method is to encode and embed the prior knowledge into prototype network training to obtain better recognition performance with few training samples. The simulation results show that compared with prototype networks and SVM that do not use prior knowledge, the recognition accuracy of the prototype network with prior knowledge is increased by 2.9% and 10.5%, respectively. |
|
来源
|
电子学报
,2022,50(6):1344-1350 【核心库】
|
|
DOI
|
10.12263/DZXB.20210932
|
|
关键词
|
小样本
;
雷达模式识别
;
原型网络
;
先验知识融合
|
|
地址
|
1.
电子科技大学信息与通信工程学院, 四川, 成都, 611731
2.
鹏城实验室, 广东, 深圳, 518055
3.
电子信息控制重点实验室, 四川, 成都, 610036
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
0372-2112 |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
国家自然科学基金
|
|
文献收藏号
|
CSCD:7240124
|
参考文献 共
15
共1页
|
|
1.
Li Y J. Work modes recognition and boundary identification of MFR pulse sequences with a hierarchical seq2seq LSTM.
IET Radar, Sonar & Navigation,2020,14(9):1343-1353
|
CSCD被引
7
次
|
|
|
|
|
2.
王玉冰. 基于DS证据理论的机载火控雷达空空工作模式判定.
现代雷达,2017,39(5):79-84
|
CSCD被引
18
次
|
|
|
|
|
3.
董晓璇. 基于时域模糊决策融合的雷达工作模式识别方法.
空军工程大学学报(自然科学版),2018,19(6):59-65
|
CSCD被引
5
次
|
|
|
|
|
4.
陈维高. 基于HMM的雷达状态转移估计方法.
北京航空航天大学学报,2017,43(10):2171-2180
|
CSCD被引
4
次
|
|
|
|
|
5.
刘海军.
雷达辐射源识别关键技术研究,2010
|
CSCD被引
9
次
|
|
|
|
|
6.
贠洁. 基于雷达字建模的多功能雷达工作模式识别.
杭州电子科技大学学报(自然科学版),2020,40(6):19-25
|
CSCD被引
2
次
|
|
|
|
|
7.
秦鑫. 基于扩张残差网络的雷达辐射源信号识别.
电子学报,2020,48(3):456-462
|
CSCD被引
25
次
|
|
|
|
|
8.
马爽.
多功能雷达电子情报信号处理关键技术研究,2013
|
CSCD被引
7
次
|
|
|
|
|
9.
刘俊江. 机载火控雷达工作模式识别.
电子测量技术,2016,39(2):131-133,146
|
CSCD被引
7
次
|
|
|
|
|
10.
Ou J. Method for operating mode identification of multi-function radars based on predictive state representations.
IET Radar, Sonar & Navigation,2017,11(3):426-433
|
CSCD被引
8
次
|
|
|
|
|
11.
朱克凡. 小样本条件下基于数据增强和WACGAN的雷达目标识别算法.
电子学报,2020,48(6):1124-1131
|
CSCD被引
10
次
|
|
|
|
|
12.
金秋园.
小样本雷达工作模式的识别研究,2021
|
CSCD被引
1
次
|
|
|
|
|
13.
赵凯琳. 小样本学习研究综述.
软件学报,2021,32(2):349-369
|
CSCD被引
67
次
|
|
|
|
|
14.
刘颖. 基于小样本学习的图像分类技术综述.
自动化学报,2021,47(2):297-315
|
CSCD被引
36
次
|
|
|
|
|
15.
樊笛. 基于原型网络的小样本图像识别方法.
计算机与现代化,2020(3):103-107
|
CSCD被引
2
次
|
|
|
|
|
了解气象卫星更多信息，请访问