针对复杂电磁环境下雷达复合干扰标签获取困难的问题,基于迁移学习中的子域自适应方法,提出了SimAM-DSAN雷达复合干扰识别算法.首先,将复合干扰信号划分为带标签样本的源域和不带标签样本的目标域,并将干扰信号输入模型;然后,通过引入SimAM注意力机制的ResNet50 网络提取样本的深度特征,将特征映射到再生Hilbert空间,并基于LMMD准则对其相关子域的分布,扩展深度适应网络的特征表达能力;最后,结合LMMD自适应损失和交叉熵分类损失构造联合损失函数,通过不断迭代训练,最小化损失函数.仿真结果表明,SimAM-DSAN算法在干噪比为-2 dB的情况下,对无标签复合干扰的识别率为97.5%.通过与其他域适应算法对比,所提出的算法在不同数量样本下均表现出最高的准确率.
NETL
NSTL
万方数据
