基于跨域元學習的SAR自動目標識別研究

王可 喬琪

摘? 要：近年來，基于數據驅動的SAR自動目標識別研究技術取得了很大進展。雖然這類方法識別性能較好，但是在實際應用場景中很難采集到足夠的真實SAR數據用于訓練。文章通過引入仿真SAR數據來擴充訓練數據集，彌補真實SAR數據的不足。為了解決仿真和真實SAR數據之間差異導致的跨域和跨任務遷移問題，提出了一種基于跨域元學習機制的知識遷移算法。利用特征變換和數據增強方法來解決跨領域遷移，利用元學習機制來解決跨任務遷移。實驗證明算法可以在有限的訓練數據下取得良好的識別性能。

關鍵詞：合成孔徑雷達；知識遷移；元學習

中圖分類號：TP18；TN957.52 文獻標識碼：A 文章編號：2096-4706（2023）04-0057-04

Research on SAR Automatic Target Recognition Based on Cross-Domain Meta-Learning

WANG Ke， QIAO Qi

（Jiangsu Vocational College of Electronics and Information， Huai'an? 223003， China）

Abstract： In recent years， SAR automatic target recognition research technology based on data driven has made great progress. Although the recognition performance of such methods is better， it is difficult to collect enough real SAR data for training. This paper expands the training data set by introducing simulation SAR data to make up for the shortage of real SAR data. To solve cross-domain and cross-task transfer problems caused by the differences between simulation and real SAR data， a knowledge transfer algorithm based on cross-domain Meta-Learning mechanism is proposed. Feature transformation and data enhancement are used to solve cross-domain transfer， and Meta-Learning mechanism is used to solve cross-task transfer. Experiments demonstrate that the algorithm can achieve good recognition performance with limited training data.

Keywords： synthetic aperture radar; knowledge transfer; Meta-Learning

0? 引? 言

合成孔徑雷達（Synthetic Aperture Radar， SAR）是利用合成孔徑技術來對地物目標進行高分辨率成像的傳感器系統。SAR工作在微波波段，在軍用和民用領域都得到了廣泛應用。與光學圖像相比，SAR圖像存在一些缺陷，如分辨率相對較低、圖像為缺乏對比度的灰度圖等。這些缺陷使得SAR圖像難以通過人工方式進行解譯和分類，導致了SAR圖像目標自動識別（Synthetic Aperture Radar Automatic Target Recognition， SAR-ATR）技術的產生[1]。目前，SAR-ATR是SAR圖像應用中最重要的任務之一。

隨著人工智能和大數據技術的迅猛發展，如深度學習這樣的數據驅動方法被廣泛應用于SAR-ATR領域中，并取得了優異的分類效果。復旦大學的Chen等人[2]首次將卷積神經網絡（Convolutional Neural Network， CNN）引入到SAR-ATR領域，并設計了一種去除全連接層的全卷積網絡（A-ConvNet）。文獻[3]利用多通道CNN來提取多視角圖像的特征圖，這些特征圖通過傅里葉特征融合模塊處理后再進行分類。……