一种基于复加权的目标极化识别方法

针对未知和时变的杂波环境,在目标极化状态已知的情况下,探讨了极化域目标识别的问题.在全极化雷达的极化正交的双通道接收系统中,对两路极化正交回波信号进行复加权后与期望信号比较,使其均方误差达到最小,从而抑制了干扰,增强了目标信号.对抑制和增强效果在干扰分别为定极化和变极化的情况进行了仿真,仿真结果表明了该算法的有效性.对此算法中步长因子的取值范围进行了探讨.提取目标极化特征,进行目标识别,并进一步提出识别递推算法.对识别结果进行仿真,仿真结果表明了该方法的有效性.     

太阳射电频谱爆发识别的元学习方法

太阳射电频谱图像在太阳活动和空间天气的观测、研究和预报中有着重要的作用。太阳射电宽带动态频谱仪是国内观测太阳射电信号的主要设备, 但受到窗口时间、观测设备和太阳活动规律的影响, 其所采集到的频谱数据存在有效样本量少的问题。针对这一现状, 提出了一种基于元学习和迁移学习的少样本学习方法, 用于改善太阳射电频谱图像的分类性能。首先模型在元学习基准数据集上进行元知识的学习, 然后对射电频谱图像进行小样本识别的模型定义, 最后将元知识迁移到频谱图像数据集的分类任务中。通过对多种元学习方法进行实验分析和性能比较, 证明了本文方法的先进性和有效性。