雷达学报

作者：万昊, 梁菁

单位：电子科技大学信息与通信工程学院 成都 611731；

关键词：高分辨距离像, 目标识别, 特征提取, 雷达传感器网络, 对比学习

基金：国家自然科学基金(62471118)，111计划(B17008)，四川省自然科学基金(2023NSFSC0450)

基于雷达传感器网络的目标识别系统在自动目标识别领域得到了广泛的研究，该系统从多个角度对目标进行观测从而可获得稳健的目标识别能力，这也带来了多雷达传感器回波数据间相关信息和差异信息的利用问题。其次，现有研究大都需要大规模标记数据来获得目标的先验知识，考虑到大量未标注数据未被有效使用，该文研究了一种基于多重对比损失(MCL)的雷达传感器网络HRRP无监督目标特征提取方法。该方法通过联合实例级损失、Fisher损失和语义一致损失这三重损失约束，用以寻求多雷达传感器回波间具有一致性和判别性的特征向量并用于后续的识别任务。具体而言，将原始回波数据分别映射到对比损失空间和语义标签空间：在对比损失空间中，利用对比损失对样本的相似性和聚集性进行约束，使不同传感器获取的同一目标不同回波间的相对距离和绝对距离被减小，而不同目标回波样本间的距离被拉大；在语义损失空间中，通过提取到的判别特征对语义标签进行约束，实现语义信息和判别特征一致的目标。在实测民用飞机数据集上进行的实验表明，与最先进的无监督和有监督目标识别算法相比，MCL的识别准确率分别提升了0.4%和1.4%，并且MCL能有效提升多雷达传感器协同时的目标识别性能。

来源：2025年第5期

《雷达学报》期刊编辑部

查看雷达学报杂志2025年第5期