基于区分显著性的无源域适应辐射源个体识别

针对无法通过源域数据进行分布对齐和对抗训练,以及利用目标域数据标签训练分类器的问题,深入研究利用目标域数据的结构特性进行域适应,关注无源无监督场景下的通信辐射源个体识别任务。将类内散度小、类间散度大的思想引入到无源无监督域适应问题,提出一种基于区分显著性的无源无监督域适应通信辐射源个体识别方法。利用源域模型生成目标域数据的伪标签,并基于伪标签计算各类质心,进而构造区分显著性约束条件,引导特征提取层向目标域特征类内散度小、类间散度大的方向优化,通过提高目标域特征的可区分性提升迁移效果。在公开数据集及自建数据集上的实验结果均优于对比方法,验证了方法的可行性。