[发明专利]一种对新体制雷达目标未知模式的零样本识别方法

权利要求书

1.一种对新体制雷达目标未知模式的零样本识别方法，其特征在于，该方法的模型包括特征提取网络和跨层自编码器网络两部分，特征提取网络提取输入信号样本的特征，作为跨层自编码器的输入，跨层自编码器由编码器和解码器两部分组成，编码器包含视觉特征输入层、中间层、全连接输出层、快捷层和语义特征层，视觉特征输入层、中间层和全连接输出层构成了一个两层的全连接神经网络，视觉特征输入层和快捷层构成了一个跨层网络，解码器由转移层、中间层和视觉特征输出层组成，具体包括以下步骤：

步骤一、选取n个雷达信号特征参数进行雷达辐射源模式语义描述，构建N种m维雷达辐射源模式语义描述向量和与其对应的辐射源模式u_i,i＝{1,2,...,N}，构建输入信号样本数据集，包括含有C_tr种雷达辐射源模式的训练集I_k,k∈{1,2,L,K}和含有C_te种雷达辐射源模式的测试集I_m,m∈{1,2,L,M}；设置特征提取网络层数L和每层的节点数设置跨层自编码器网络中的视觉特征输入层、转移层、视觉特征输出层节点数相同，记为中间层和中间层节点数为NODE^C，全连接输出层，快捷层和语义特征层的节点数相同为NODE_se，设置编码器权重稀疏化项的权重λ，解码器损失函数权重α以及正则化权重β，训练的迭代次数epo，随机初始化待训练的特征提取神经网络权重W_F和跨层自编码器每层的网络权重W₁,W₂,W₃；

其中，训练集I_k中每一个信号样本对应一个语义描述向量A_k是信号样本I_k所属辐射源模式u_k对应的语义描述向量，共对应C_tr种从A_i'中抽取的雷达辐射源模式语义描述向量，测试集I_m包含等待预测的M个雷达辐射源信号样本I_m和C_te个语义描述向量A_ctest是从A_i'中抽取的所属辐射源模式u_ctest的语义描述向量；

步骤二、将训练集I_k作为训练特征提取网络的输入数据，训练特征提取网络并得到权重W_F，W_F由一组权重组成，其大小为提取输入数据中间层的输出特征X_k＝I_kW_F,k∈{1,2,L,K}，作为跨层自编码器的输入；

步骤三、将步骤二的特征提取网络的输出X_k作为输入数据，计算权重值利用权重值分别计算编码器的损失函数Loss^En、解码器的损失函数Loss^De和正则化项Θ，并加权求和得到跨层自编码器网络的损失函数Loss^CLAE，利用优化算法根据损失函数Loss^CLAE对跨层自编码器网络进行训练，重复步骤三迭代训练epo次，得到跨层自编码器网络权重W₁,W₂,W₃；

步骤四、对测试样本I_m进行特征提取，使测试样本通过步骤二中训练的特征提取网络，利用步骤二中经训练特征网络得到的权重W_F，输出测试样本的特征X_m＝I_mW_F，作为测试时跨层自编码器网络的输入；

步骤五、将测试样本的特征X_m输入到步骤三中训练好的跨层自编码器网络中的编码器部分，编码器部分对测试样本I_m进行编码和分类识别，编码器输出结果即为模型预测的语义描述向量O^En(X_m)，寻找与其最相近的已知的语义描述向量A_ctest进行匹配，得到样本所属的辐射源模式u_ctest。