基于对比Conformer的小样本标注雷达脉内调制识别方法及系统技术方案

技术编号:40830256 阅读:27 留言:0更新日期:2024-04-01 14:53
本发明专利技术公开了基于对比Conformer的小样本标注雷达脉内调制识别方法及系统,方法步骤如下:步骤一、产生无标注的训练集、验证集和有标记的训练集、验证集、测试集的雷达脉内I/Q数据并进行预处理;步骤二、构造基于对比学习的Conformer网络模型,初始化参数;步骤三、将步骤一所得到无标注的雷达脉内I/Q数据经过数据增强,产生正例对和负例对后一并输入到对比Conformer网络模型进行训练。步骤四、构造除去对比部分但构造相同、参数相同的Conformer网络模型且改进最后一层以适应目标任务完成。将训练集和验证集中有标注的雷达脉内I/Q数据输入,微调网络并保存网络模型。步骤五、将测试集的数据输入到步骤四保存的网络模型,完成对其脉内调制的识别。

【技术实现步骤摘要】

本专利技术属于雷达侦察,具体涉及一种基于对比conformer的小样本标注雷达脉内调制识别方法及系统,本专利技术可用于电子侦察领域。


技术介绍

1、随着雷达技术的快速演进,雷达设备的数量和种类不断增加,雷达脉内调制方式变得愈加多样化和复杂。同时,雷达信号的正常工作所需的信噪比门限也在逐渐下降,使得仅仅依赖单一特征无法充分提取用于识别的特征。因此,精确识别脉内调制方式变成了一项重大且复杂的任务。

2、传统的脉内调制识别方法主要是基于特征提取的方法,其准确性主要依赖于人工特征提取算法,如高阶累积量、周期谱、瞬时频率特征、小波变换特征和wigner ville分布特征等。尽管这些算法在高信噪比情况下表现良好,但它们也有共同的缺点。首先,它们的计算复杂度通常较高,导致系统响应速度较慢;其次,在信噪比较低时,分类成功率通常较低;第三,这些算法的识别阈值通常对信号参数过于敏感。这些缺点极大地限制了此类算法的实际使用。

3、与传统的特征提取方法相比,基于深度学习的解决方案可以克服几乎所有传统方法的缺点。目前常用的深度学习方式有基于时频图像和基于原本文档来自技高网...

【技术保护点】

1.基于对比Conformer的小样本标注雷达脉内调制识别方法,其特征是包括以下步骤:

2.根据权利要求1所述基于对比Conformer的小样本标注雷达脉内调制识别方法,其特征在于,步骤S1具体如下:

3.根据权利要求1所述基于对比Conformer的小样本标注雷达脉内调制识别方法,其特征在于,步骤S2具体如下:

4.根据权利要求1所述基于对比Conformer的小样本标注雷达脉内调制识别方法,其特征在于,步骤S3具体如下:

5.根据权利要求1-4任一项所述基于对比Conformer的小样本标注雷达脉內调制识别方法,其特征在于,步骤S4具体...

【技术特征摘要】

1.基于对比conformer的小样本标注雷达脉内调制识别方法,其特征是包括以下步骤:

2.根据权利要求1所述基于对比conformer的小样本标注雷达脉内调制识别方法,其特征在于,步骤s1具体如下:

3.根据权利要求1所述基于对比conformer的小样本标注雷达脉内调制识别方法,其特征在于,步骤s2具体如下:

4.根据权利要求...

【专利技术属性】
技术研发人员:韦亮陈海龙孙闽红李敏乐仇兆炀
申请(专利权)人:杭州电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1