[发明专利]一种基于小样本学习和特征增强的辐射源个体识别方法

权利要求书

1.一种基于小样本学习和特征增强的辐射源个体识别方法，其特征在于，包括步骤：

S1.对不同个体的雷达脉冲信号经过短时傅里叶变换、灰度处理得到雷达脉冲信号的灰度矩阵V；

S2.将所述得到的灰度矩阵V输入至稀疏自编码器中进行特征提取，得到特征矩阵H；

S3.对所述提取到的特征矩阵H利用图像增强的方式进行特征增强，得到增强后的特征矩阵K；

S4.判断雷达脉冲信号的样本数量是否小于阈值，若是，则将增强后的特征矩阵K输入到增强条件对抗生成网络中对样本数量进行扩充，再返回步骤S4；若否，则执行步骤S5；

S5.将增强后的特征矩阵K输入到卷积神经网络中进行训练，将特征输入到分类器中进行分类识别；

步骤S1具体为对不同个体的雷达信号经过短时傅里叶变换，得到时频图矩阵Z(t，f )；将得到的时频图矩阵Z(t，f )进行灰度处理得到灰度矩阵G，对得到灰度矩阵G进行向量化操作，得到雷达脉冲信号的灰度矩阵V；

步骤S3具体为：通过图像增强的方式将输出的特征矩阵H 进行特征增强，输出得到增强特征矩阵K；

步骤S4中，若雷达脉冲信号的样本数量小于阈值，则将增强特征矩阵K输入到增强条件对抗生成网络中对样本数量进行扩充，训练完成后提取增强条件对抗生成网络中的生成网络模型，通过所述生成网络模型得到数个生成特征样本，将生成特征样本与增强特征样本混合，得到新的增强特征矩阵。

2.根据权利要求1所述的一种基于小样本学习和特征增强的辐射源个体识别方法，其特征在于，步骤S2具体为：将得到的灰度矩阵V输入至稀疏自编码器中进行特征提取，通过调节网络参数，得到特征矩阵H。

3.根据权利要求1所述的一种基于小样本学习和特征增强的辐射源个体识别方法，其特征在于，步骤S3中，图像增强的方式包括直方图修正法、灰度变换、局部统计法、图像滤波法、彩色增强法的一种或多种。

4.根据权利要求1所述的一种基于小样本学习和特征增强的辐射源个体识别方法，其特征在于，步骤S5中，将特征输入到分类器中进行分类识别是通过SoftMax分类器进行识别的。