-
题名零记忆增量学习的复合有源干扰识别
- 1
-
-
作者
吴振华
崔金鑫
曹宜策
张强
张磊
杨利霞
-
机构
安徽大学信息材料与智能感知安徽省实验室
中国电子科技集团公司第三十八研究所
天基综合信息系统全国重点实验室
中山大学电子与通信工程学院
-
出处
《电子与信息学报》
北大核心
2025年第1期188-200,共13页
-
基金
国家自然科学基金(62201007,62401007)
中国博士后科学基金(2020M681992)
安徽省自然科学基金(2308085QF199)。
-
文摘
非完备、高动态有源干扰对抗作战环境下,现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型,在面对库外类型多样、参数多变、组合方式多元的复合干扰时,模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题,该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先,利用元学习训练模式对库内单一干扰进行原型学习,训练出高效的特征提取器,使其具备对库外复合干扰特征有效提取能力。进而,基于超维空间和余弦相似度计算,构建零记忆增量学习网络(ZMILN),将复合干扰原型向量映射到超维空间并存储,从而实现识别模型动态更新。此外,为解决样本数非均衡下复合干扰识别问题,设计直推式信息最大化(TIM)测试模块,通过在互信息损失函数中加入散度约束,对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明,该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后,平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取,实现对多种组合条件下库外复合干扰的快速动态识别。
-
关键词
雷达有源干扰
零记忆增量学习
非均衡
直推式信息最大化
复合干扰识别
-
Keywords
Radar active jamming
Zero-memory incremental learning
Imbalance
Transductive Information Maximization(TIM)
Compound jamming recognition
-
分类号
TN974
[电子电信—信号与信息处理]
-
