小样本雷达辐射源识别的深度学习方法综述

作     者：苏丹宁 曹桂涛 王燕楠 王宏 任赫 SU Dan-ning;CAO Gui-tao;WANG Yan-nan;WANG Hong;REN He

作者机构：华东师范大学软硬件协同设计技术与应用教育部工程研究中心上海200062 中国电子科技集团第五十一研究所上海201802 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2022年第49卷第7期

页      面：226-235页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然基金科学面上项目(61871186) 

主　　题：雷达辐射源识别 深度学习 小样本 脉内特征 

摘      要：面对复杂多变的电磁环境与新体制雷达系统,传统的雷达辐射源识别方法已无法满足需求。深度学习模型可有效提取雷达信号的脉内特征,快速准确地对低信噪比、未经分选的雷达辐射源信号进行脉内调制类型识别、型号识别与个体识别。但真实环境中雷达辐射源信号难以收集,无法满足传统的深度学习训练需要,因此小样本雷达辐射源识别是目前研究的热点与难点。文中首先对近年来将基于监督学习的多种经典深度学习方法应用于小样本雷达辐射源识别的研究进行了回顾;其次,介绍了小样本学习在雷达辐射源识别领域的研究进展;最后,基于小样本雷达辐射源识别的研究现状,总结面临的挑战,提出了对未来研究方向的展望。