小樣本條件下SCGAN+CNN低分辨雷達目標一步識別算法

摘要：現有低分辨雷達目標識別方法,通常采用先特征提取、再進行目標分類的兩步識別算法,這種算法存在識別率難以提高和方法泛化性不足的問題,對此,提出一種增強條件生成對抗網絡(strengthening condition generative adversarial network,SCGAN)+卷積神經網絡(convolutional neural network,CNN)的低分辨雷達目標一步識別算法。該算法利用CNN自動獲取采樣數據深層本質特征,無需特征提取,實現對目標的一步識別。為進一步提高小樣本條件下的識別效果,基于CGAN理論來提高樣本在特征空間的覆蓋程度,并對CGAN的判別器進行改進,在損失函數中增加混疊懲戒項,通過SCGAN生成不混疊的生成樣本來更好地訓練CNN,提高其在小樣本條件下的識別能力。仿真對比實驗校驗了一步識別算法較傳統兩步識別算法的優越性,以及SCGAN+CNN的低分辨雷達目標一步識別算法在小樣本條件下的有效性。