一种空中目标雷达高分辨距离像少样本类增量识别方法
知识产权简介
本专利直接面向空中目标监视预警等真实场景中的目标持续识别需求。在无须保存旧类样本重训的前提下，利用时域缩放模拟目标的物理尺度变化生成伪类别数据，解决了实际合作目标机型单一带来的模型过拟合风险；同时采用马尔可夫概率矩阵将HRRP幅值序列建模为稳健的离散状态转移过程。该方案无需复杂的坐标变换，计算开销低，仅涉及一维信号的插值、池化与轻量级卷积操作，能够无缝嵌入现有的雷达目标识别系统中。
转化前景
本专利可与现有雷达平台和RATR系统兼容。在生产实施上，基础阶段离线训练并固化主干模型；实际部署的雷达自动目标识别设备在执行监视预警任务时，遇到少量新机型目标样本即可在线快速计算特征原型并扩充目标特征库，免除历史数据通信回传与实时重训算力负担。在产业化应用方面，该方法适用于要地监控防空及低空经济场景下快速扩展的新型航空器种类识别，随着雷达数据积累与目标库持续扩展，本发明有利于构建可持续演进的目标识别能力体系，具备明确的工程落地价值与规模化推广前景。