一种基于增强型迁移的辐射源个体识别方法及装置

本发明涉及一种基于增强型迁移的辐射源个体识别方法及装置，属于特定辐射源个体识别。

背景技术：

1、受现代工艺水平限制，目前工业无法制作出一模一样的电子元器件，辐射源发射机由于电子元器件的差异及元器件间的相互耦合关系，会向外辐射出在目前技术上不可更改、伪装、消除的无意调制信号，该信号的特征可用于辐射源个体识别。在雷达发展的早期，传统的辐射源个体识别算法可以很好地区分不同个体，在电子对抗及电子支援技术不断发展的今天已无法获得较好的识别效果，而机器学习算法因其在计算机视觉的出色表现，被信号领域的专家广泛关注，多年实践表明，机器学习算法在数据量充足、数据较为均衡的情况下发挥出了传统算法难以追赶的优势，但在实际辐射源个体识别的数据收集中，存在很多小样本、数据不均衡难题，不仅给机器学习算法训练带来了巨大挑战，也大幅降低了个体识别准确率。

技术实现思路

1、本发明的目的在于解决上述现有技术存在的不足之处，提供一种基于增强型迁移的辐射源个体识别方法及装置，以提升在实际辐射源个体识别环境中算法识别准确率，有效降低小样本、不均衡数据对算法的负面影响。

2、本发明的目的之一是提出一种基于增强型迁移的辐射源个体识别方法，其特殊之处在于包括以下步骤：

3、步骤1）构建包含可分离卷积模块、注意力机制和残差模块的神经网络模型；

4、步骤2）将待识别原始数据划分为训练集数据及测试集数据，对所述训练集数据进行预识别，将所述训练集数据分为易分类数据及难分类数据；

5、步骤3）采用数据增强对所述易分类数据及所述难分类数据进行扩充；

6、步骤4）采用分类后的易分类数据集及难分类数据对神经网络模型进行参数训练及迁移训练；

7、步骤5）使用迁移训练后的网络模型对测试集数据进行识别。

8、优选的，所述步骤4）采用分类后的易分类数据集及难分类数据对神经网络模型进行参数训练及迁移训练，包括：

9、采用神经网络对扩充后的易分类数据进行训练，得到参数稳定的神经网络模型；

10、采用神经网络模型对难分类数据进行训练，微调所述参数，得到最终迁移网络模型。

11、本发明的目的之二是提供一种基于增强型迁移的辐射源个体识别装置，包括以下模块：

12、网络构建模块，用于构建包含可分离卷积模块、注意力机制和残差模块的神经网络；

13、数据划分模块，构建包含可分离卷积模块、注意力机制和残差模块的神经网络结构；

14、数据增强模块，用于对易分类数据及难分类数据进行扩充；

15、训练模块， 用于训练迁移网络；

16、识别模块，使用迁移后的网络对测试集数据进行识别，得到最终识别结果。

17、优选的，所述训练模块用于对扩充后的易分类数据进行训练，得到稳定的网络参数后对难分类数据进行训练，微调网络参数，完成网络迁移。

18、本发明的目的之三是提供一种计算机设备，其特征在于，包括存储器、处理器、总线及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的一种基于增强型迁移的辐射源个体识别方法。

19、本发明的目的之四是提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的一种基于增强型迁移的辐射源个体识别方法。

20、本发明实施例提出的基于增强型迁移的辐射源个体识别方法，通过构建包含可分离卷积模块、注意力机制和残差模块的神经网络结构；将数据划分为训练集及测试集，对训练集数据进行预识别，将数据分为易分类数据及难分类数据；采用数据增强对易分类数据及难分类数据进行扩充；对扩充后的易分类数据进行训练，得到稳定的网络参数；对难分类数据进行训练，微调网络参数；最后使用网络对测试集数据进行识别，最终实现雷达辐射源个体识别准确率的上升。

21、本发明的有益效果是：

22、1．解决小样本、不均衡数据的训练难题；

23、2．提升真实识别场景中目标识别准确率。

技术特征：

1.一种基于增强型迁移的辐射源个体识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于增强型迁移的辐射源个体识别方法，其特征在于，所述步骤4）采用分类后的易分类数据集及难分类数据对神经网络模型进行参数训练及迁移训练，包括：

3.一种基于增强型迁移的辐射源个体识别装置，其特征在于，包括：

4.如权利要求3所述的一种基于增强型迁移的辐射源个体识别装置，其特征在于，所述训练模块，具体用于：

5.一种计算机设备，其特征在于，包括存储器、处理器、总线及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-2中任一权利要求所述的方法。

6.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-2中任一权利要求所述的方法。

技术总结本发明提出一种基于增强型迁移的辐射源个体识别方法及装置，其中方法包括构建包含可分离卷积模块、注意力机制和残差模块的神经网络结构；将数据划分为训练集及测试集，对训练集数据进行预识别，将数据分为易分类数据及难分类数据；采用数据增强对易分类数据及难分类数据进行扩充；对扩充后的易分类数据进行训练，得到稳定的网络参数；对难分类数据进行训练，微调网络参数；最后使用网络对测试集数据进行识别。技术研发人员：刘恒燕,凌青,闫文君,刘凯,张雨晨,张立民,于柯远受保护的技术使用者：中国人民解放军海军航空大学技术研发日：技术公布日：2024/7/29