基于复数域上元度量学习的小样本辐射源个体识别方法

摘要：

当带标签样本数较少时,现有的基于深度学习的辐射源个体识别方法,识别性能退化.针对上述问题,提出一种基于复数域上元度量学习的小样本辐射源个体识别方法.该方法将元学习中基于度量的方法与复数神经网络结合,设计嵌入模块,在小样本条件下更充分地学习辐射源复信号波形中隐藏的个体指纹信息,提升识别精度.仿真实验结果表明,提出的复原型网络、复匹配网络和复关系网络,与它们的实数域形式相比,识别准确率均得到了提升,且其中性能最好的是复关系网络.复关系网络在5类待识别辐射源个体分别仅有5个带标签样本(5-way 5-shot)的情况下,20 dB信噪比条件下的识别准确率达到了 85％.

关键词：辐射源个体识别、小样本学习、元学习、复数神经网络

所属期刊栏目：24

分类号：TN911.7

资助基金：国家自然科学基金62171469

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：35-41