CN114077853B 一种基于小样本特征融合的adsb信号分类方法 （四川九洲电器集团有限责任公司）

一种基于小样本特征融合的ADS-B信号分类本发明涉及一种基于小样本特征融合的决了现有小样本关系网络对ADS-B信号分类不准将待识别目标的特征信息和支持集传入小样本关系网络，得到与支持集中每类样本的相似概2接收待识别目标发送的ADS-B信号，将ADS-B信号的I、Q两路同步头信从ADS-B测试集中选取多类样本作为支持集，将待识别目标的所述特征信息和支持集所述小样本关系网络包括嵌入模块和关系模块，其中嵌入模块包括2.根据权利要求1所述的基于小样本特征融将所述两路一维特征向量变换为多维两路特征向所述第一卷积块和第二卷积块分别通过调整卷积块内的逻辑顺序构建得4.根据权利要求3所述的基于小样本特征融合的ADS所述第一卷积块中的卷积操作是卷积核大小为N×所述第二卷积块中的卷积操作是卷积核大小为N×5.根据权利要求4所述的基于小样本特征融合的所述根据第二卷积块构建第二残差单元包括：将两个第二卷积块串联6.根据权利要求5所述的基于小样本特征融合的ADS-所述根据第二残差单元构建第二残差块包括：依次串联一个线性卷积，3所述残差网络中残差块的个数为：所述同步头信号的长度除以8得到的商再取对数后得到8.根据权利要求7所述的基于小样本特征融所述对最后3个第二残差块的输出进行多尺度特维特征图调整到与level3的一维特征图尺寸一致，得到level1处理后的一维特征图依次通过一个卷积核为N×1，步长为2的卷积层，将level2的一维特征图调整到与将level1_1、level2_1和level3的特征图分别输入到1×1×C的将所述3个空间权重向量在通道方向拼接得到权在通道方向做Softmax操作，进行归一化，获得3个一维权重向量，分别与level1_1、9.根据权利要求3所述的基于小样本特征融合的ADS-10.根据权利要求3或9所述的基于小样本特征融合的ADS-B信号分类方法，其特征在所述ADS-B训练集与所述ADS-B测试集中的样本类别不相交，分为训4[0001]本发明涉及目标识别技术领域，尤其涉及一种基于小样本特征融合的ADS-B信号[0005]鉴于上述的分析，本发明实施例旨在提供一种基于小样本特征融合的ADS-B信号[0006]本发明实施例提供了一种基于小样本特征融合的ADS-B信号分类方法，包括如下[0008]从ADS-B测试集中选取多类样本作为支持集，将待识别目标的特征信息和支持集5的一维特征图调整到与level3的一维特征图尺寸一致，得到level1处理后的一维特征图6[0038]ADS-B训练集与ADS-B测试集中的样本类别不相交，分为训练支持集和训练查询[0050]本发明的一个具体实施例，公开了一种基于小样本特征融合的ADS-B信号分类方7通过MATLAB中的reshape函数将2×1024的两路一维特征向量变换为1024×2的多维两路特8通道向量，表示将level1的一维特征图调整到与le[0090]1)依次通过步长为2的最大池化层，一个卷积核为N×1，步长为2的卷积层，将9[0095]6)在通道方向做Softmax操作，进行归一化，获得3个一维权重向量，分别与[0114]与现有技术相比，本实施例提供的一种基于小样本特征融合的ADS-B信号分类方任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，