138 / 2024-08-26 14:58:54

高分辨率距离像类别不平衡数据集中的目标识别方法

高分辨率距离像；Transformer；全卷积神经网络；类别不平衡；雷达自动目标识别

传统的高分辨率距离像（HRRP）识别方法难以自动提取目标的深层时空特征，并且在多类别的不平衡数据集下识别精度较低。针对上述问题，提出了一种基于轻量化Transformer和全卷积网络（FCN）模型的HRRP目标识别方法，通过Transformer模型的编码器和FCN分别提取HRRP的深层时间相关特征和深层空间结构特征，在决策级上引入自适应权重矩阵，增强时空特征的表达能力。为应对类别不平衡问题，设计了一种结合标签平滑策略（Label Smoothing）的自适应焦点损失函数，能够增强模型对少数类的识别敏感度，同时提高模型的泛化能力。在MSTAR数据集上进行的多种目的的实验证明了所提方法的有效性，该模型在平衡数据集与不平衡数据集上均具有更好的识别性能，该损失函数与多种现有损失函数对比具有更高的识别率。