一种合成伪文本增强的小样本雷达干扰识别方法与系统技术方案

本发明专利技术公开了一种合成伪文本增强的小样本雷达干扰识别方法与系统，方法包括：针对雷达干扰类型，生成一组k分类n样本的支持集；利用生成式大语言模型生成每种干扰类型对应的伪文本并过滤得到伪文本数据集；根据支持集得到样本图像，根据每种干扰类型的样本图像和伪文本数据集，通过随机采样的方式生成图像‑文本对，构成训练集；根据训练集，利用总损失函数微调对比语言‑图像预训练CLIP模型参数；待识别的干扰信号转换为图像，利用微调后的CLIP模型的编码器提取图像特征和支持集对应文本特征，并计算图像特征与每个类别文本特征之间相似度，取相似度最大的文本类型为输出干扰类型。本发明专利技术可有效提升小样本条件下的干扰样式识别性能。

【技术实现步骤摘要】

本专利技术涉及雷达干扰识别领域，具体涉及一种合成伪文本增强的小样本雷达干扰识别方法与系统。

技术介绍

1、电磁干扰对雷达探测产生严重影响，基于干扰样式，雷达选择合适的波形、信号处理方法等是常见的抗干扰手段。干扰样式识别的性能对后续抗干扰具有重要作用，因此，干扰识别得到广泛关注。

2、在实际的电子战场中，雷达干扰具有不可预测性和不可接近性，这使得人们很难收集到足够样本的数据集。通常，只能获得几个不同干扰类型的采样帧，基于这些采样帧进行识别模型的训练。此时对干扰样式的识别问题就会转化为一个小样本学习问题。训练数据的稀缺性严重降低了识别的准确性。现有的小样本分类方法主要集中在计算机视觉领域，在小样本雷达干扰识别领域的研究较少。与图像相比，雷达信号更加多样和复杂，要求模型具有更好的泛化能力。

技术实现思路

1、专利技术目的：针对现有雷达干扰样本数据稀缺下的干扰样式识别的问题，本专利技术提出一种不受样本数量影响，在小样本条件下，也能够对干扰类型进行识别的方法。

2、技术方案：为了实现上述专利技术本文档来自技高网...

【技术保护点】

1.一种合成伪文本增强的小样本雷达干扰识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，生成式大语言模型包括Llama-3-8b-instruct、Gemma-7b-it、Openchat-7b、Mistral-7b-instruct，温度参数为0～1的随机浮点数。

3.根据权利要求1所述的方法，其特征在于，利用生成式大语言模型，根据支持集和预设的针对干扰类型查询的提示模板列表，随机给出提示模板和温度参数，生成每种干扰类型对应的伪文本，包括：

4.根据权利要求1所述的方法，其特征在于，对伪文本进行过滤得到每种干扰类型的伪文...

【技术特征摘要】

1.一种合成伪文本增强的小样本雷达干扰识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，生成式大语言模型包括llama-3-8b-instruct、gemma-7b-it、openchat-7b、mistral-7b-instruct，温度参数为0～1的随机浮点数。

3.根据权利要求1所述的方法，其特征在于，利用生成式大语言模型，根据支持集和预设的针对干扰类型查询的提示模板列表，随机给出提示模板和温度参数，生成每种干扰类型对应的伪文本，包括：

4.根据权利要求1所述的方法，其特征在于，对伪文本进行过滤得到每种干扰类型的伪文本数据，包括：

5.根据权利要求1所述的方法，其特征在于，图像与文本之间的特征相似度表示为：

...

【专利技术属性】
技术研发人员：晋本周，宋梓玉，吴刚，陈坤杰，李归，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：