基于1DC-CGAN和小波能量特征的引信小样本地形目标识别

摘要

无载波超宽带引信由于具有定距精度高、抗截获能力强、穿透性好、有一定反隐身能力等特点,在多个弹药平台上得到应用。在对地面目标作用时,不同地形会影响引信炸高,从而影响毁伤效果。首次提出将无载波超宽带引信用于地形识别,为引信自适应确定最佳炸高提供先决条件。地形回波的采集周期长、成本高,获取回波的数量往往较少,这会影响识别精度。为扩充数据集,提出一种改进的条件生成对抗网络,将生成器和判别器的全连接层替换为一维卷积同时增加批标准化,在实现信号生成的同时减小模式崩溃问题发生的概率,提升了小样本条件下的序列生成效果。将扩充回波信号的小波能量特征作为输入特征,利用粒子群优化的反向传播(PSO-BP)神经网络实现地形智能分类。实验结果表明:相比在原始训练集上训练,扩充训练集上训练的PSO-BP神经网络在测试集上取得了4%以上的准确率提升。