基于DSGD的分布式电磁目标识别

分布式电磁目标识别利用分布式最优化和分布式计算等技术实现传统集中式电磁目标识别。分布式最优化方法结合分布式计算架构实现对最优化问题的分布式求解,以分布式实现从问题信息、数据到最优目标识别模型的映射。利用去中心化随机梯度下降方法这一经典分布式最优化方法,建立面向电磁目标识别的分布式计算架构和分布式电磁目标识别方法。实际电磁信号数据验证了所提算法的有效性。在分布式电磁目标识别算法与集中式识别算法性能均保持在90%以上时,单节点训练时间下降50%以上,显著提升了训练效率。

迁移学习用于电磁目标识别

迁移学习技术可以利用经验信息辅助当前任务,已在计算机视觉和语音识别领域得到广泛应用,但在电磁领域还没有取得明显的成就。电磁环境变化速度快,源数据或分类器模型在新环境中性能会显著下降,重新训练不仅需要大量的数据且费时费力。迁移学习技术与电磁目标识别任务十分相关,本文采用实测电磁目标数据集,探索迁移学习在解决电磁目标小样本问题中的几种应用,包括同类目标迁移和异类目标迁移。实验结果表明,通过将预训练模型迁移到目标域小样本识别任务,当目标域为同类源且标记样本只有20个情况下,相较于非迁移模型,验证准确率提高25%,并且大大缩短了目标域训练时间;当目标域为异类源时,也能够在保证识别准确率的同时使训练时间少于源域的1/5。

一种非组合的电磁目标快速识别算法

针对电磁目标识别算法中辐射源组合的本质是避免同一辐射源的多个可能识别结果同时参与一个目标识别模板的匹配置信度计算的问题,提出了一种非组合的快速电磁目标识别方法。依据目标平台与辐射源的搭载关系,建立辐射源识别和平台识别的两级识别体系,基于两点和三点模板匹配法对辐射源进行识别,然后使用非组合的快速模板匹配法对目标平台属性进行识别。仿真实验表明使用该方法计算目标的识别置信度简单易行,可用于实际工程中电磁目标的识别。