[发明专利]一种基于自动化深度学习的雷达波形识别方法及系统

权利要求书

1.一种基于自动化深度学习的雷达波形识别方法，所述雷达波形识别方法基于用于对所述雷达波形信号进行分类识别的分类器，其特征在于，所述分类器基于改进的DARTS算法进行目标神经网络结构的搜索；

基于DARTS算法生成第一搜索网络；

在第一搜索网络上增加分支结构生成第二搜索网络；

所述分类器基于所述第二搜索网络进行目标神经网络结构的搜索；

所述第二搜索网络通过对cell结构进行扩展处理得到；

所述扩展处理包括：增大卷积核的大小以及改变膨胀系数；

进行扩展处理的过程中，对所述第一搜索网络任意一个所述cell结构至少增加一个辅助分类分支，确定该cell结构以及该辅助分类分支与上级和/或下级cell结构之间的连接权重。

2.根据权利要求1所述的雷达波形识别方法，其特征在于，所述雷达波形识别方法还包括：

在特征提取阶段全部采用所述第二搜索网络的架构，对于卷积组和缩减组采用不同的搜索所得到的卷积结构进行特征提取。

3.根据权利要求1所述的雷达波形识别方法，其特征在于，所述雷达波形识别方法还包括：

在所述第一搜索网络和所述第二搜索网络的搜索期间添加辅助分类器。

4.一种基于自动化深度学习的雷达波形识别装置，所述雷达波形识别装置包括用于对所述雷达波形信号进行分类识别的分类器，其特征在于，

第一搜索网络确定模块，用于根据DARTS算法确定第一搜索网络；

第二搜索网络确定模块，在所述第一搜索网络上增加分支结构生成第二搜索网络；

所述分类器基于所述第二搜索网络进行目标神经网络结构的搜索；

所述第二搜索网络确定模块通过对cell结构进行扩展处理得到所述第二搜索网络；

所述扩展处理包括：增大卷积核的大小以及改变膨胀系数；

进行扩展处理的过程中，对所述第一搜索网络任意一个所述cell结构至少增加一个辅助分类分支，确定该cell结构以及该辅助分类分支与上级和/或下级cell结构之间的连接权重。

5.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-3任一所述的基于自动化深度学习的雷达波形识别方法。

6.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-3任一所述的基于自动化深度学习的雷达波形识别方法。