作者
杨石霖
文章摘要
对于雷达目标识别中非合作目标样本获取难、标注成本高造成的小样本场景，传统识别算法泛化性差、分类精度低等问题，本文对小样本条件下雷达目标分类识别算法进行研究。首先对小样本雷达目标识别的主要难点进行分析，整理出相关的理论基础；然后设计基于多特征融合和元学习的改进识别算法，用特征提取、注意力融合和原型优化来提高小样本场景下特征区分度和模型泛化能力；最后用实验验证算法的有效性，比较传统算法和主流小样本算法的性能差异。
文章关键词
小样本学习；雷达目标分类；特征融合；元学习
参考文献
[1] 田浩琨.小样本条件下的目标分类与识别算法研究[D].电子科技大学,2022.
[2] 刘子衿.基于RBM分类网络的小样本条件下雷达HRRP目标识别技术研究[D].国防科技大学,2020.
[3] 姜智杰,宋恒,胡楠,等.隧道环境毫米波雷达目标识别与分类算法[J].系统工程与电子技术,2025,47(05):1453-1460.
Full Text:
DOI
