小样本下雷达复合干扰半监督迁移学习识别方法

针对雷达复合干扰信号种类越来越多以及训练样本过少难以令深度学习模型达到最优状态的问题,提出一种在小样本下雷达复合干扰半监督迁移学习识别的方法,通过未带标签样本来解决标签样本难以获取而导致网络训练精度不高的问题,将在单一干扰数据集预训练后得到的特征提取器和分类器迁移到小规模复合干扰数据集上,并利用权重印记和半监督学习对模型进行微调,通过所提出的最近邻相关性损失(nearest neighbor correlation loss,NNCL)来优化模型参数。实验结果表明,在干噪比为10 dB、新类复合干扰信号带标签样本仅有5个时,模型可达93.20%的识别准确率。