雷达学报

作者：周正, 赵凌君, 何奇山, 孙忠镇, 计科峰, 匡纲要

单位：国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室 长沙 410073；

关键词：合成孔径雷达, 深度学习, 多源信息, 跨域学习, 目标检测

基金：国家自然科学基金(62471475)，湖南省自然科学基金(2024JJ4045)，湖南省研究生科研创新项目(CX20250019)，国防科技大学研究生科研创新项目(XJQY2025014)

深度学习虽已成为合成孔径雷达(SAR)图像目标检测领域主流方法，但其性能高度依赖于大规模标注数据集。在测试不同分布的SAR数据时，模型的检测性能会出现一定程度下降，难以直接迁移应用，且人工标注成本高昂。针对此瓶颈，学术界开始探索基于多源信息的跨域学习策略，通过整合不同来源(传感器)的光学遥感图像或异源SAR图像等先验信息，辅助检测模型实现跨域知识迁移。该文聚焦深度学习框架下的跨域学习技术，系统梳理该领域最新研究进展，分析该领域的核心问题，从方法论层面分析现有技术的核心优势与适用场景，并基于技术演进规律提出未来发展方向，旨在为提升SAR图像目标检测的泛化能力提供理论支撑与方法论参考。

来源：2026年第2期

《雷达学报》期刊编辑部

查看雷达学报杂志2026年第2期