【技术实现步骤摘要】
本专利技术涉及信号识别，尤其涉及一种基于异构表征深度学习的小样本电磁信号开集识别方法。
技术介绍
1、小样本电磁信号开集识别是在军用和民用领域中对电磁信号进行准确分类的关键技术，在实际应用中，由于电磁信号数据采集和标注成本较高，往往难以获得高质量的大规模的标记样本数据集，因此，小样本开集识别是电磁信号处理领域中的一个重要研究内容。
2、传统的用于电磁信号分类的机器学习方法在小样本情况下往往面临着过拟合和维度灾难等问题，通常难以充分利用有限的信号数据，同时这种识别方法的实现较为复杂，需要有较多专业知识的支撑。随着深度学习的迅猛发展，基于深度学习的小样本电磁信号开集识别方法可以通过神经网络模型自动地学习和提取特征并进行分类，在无需过多专业知识的同时能够实现性能良好的电磁信号分类功能，但是这种基于深度学习的分类方法在小样本情况下也存在识别精度不佳的问题，并且当应用于现实场景时，网络模型难以应对未知的类样本，面临可靠性问题。
技术实现思路
1、鉴于上述的分析，本专利技术实施例旨在提供一...
【技术保护点】
1.一种基于异构表征深度学习的小样本电磁信号开集识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于异构表征深度学习的小样本电磁信号开集识别方法，其特征在于，所述提取原始电磁信号的复信号的IQ通道数据；基于所述复信号及IQ通道数据获取所述原始电磁信号的序列表征、知识表征、图像表征和图结构表征，包括：
3.根据权利要求2所述的基于异构表征深度学习的小样本电磁信号开集识别方法，其特征在于，计算所述IQ通道数据的瞬时幅度、瞬时相位、瞬时频率并与归一化处理后的I通道数据和Q通道数据级联，获得电磁信号的序列表征DS(n)，包括：
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。