2023年2月25日第7卷第4期现代信息科技ModernInformationTechnologyFeb.2023Vol.7No.457572023.022023.02收稿日期：2022-12-16基金项目：江苏省电子信息职业教育研究常规课题（JSDX2021-51）；江苏电子信息职业学院校级科研基金项目（JSEIYY2020003）基于跨域元学习的SAR自动目标识别研究王可，乔琪（江苏电子信息职业学院，江苏淮安223003）摘要：近年来，基于数据驱动的SAR自动目标识别研究技术取得了很大进展。虽然这类方法识别性能较好，但是在实际应用场景中很难采集到足够的真实SAR数据用于训练。文章通过引入仿真SAR数据来扩充训练数据集，弥补真实SAR数据的不足。为了解决仿真和真实SAR数据之间差异导致的跨域和跨任务迁移问题，提出了一种基于跨域元学习机制的知识迁移算法。利用特征变换和数据增强方法来解决跨领域迁移，利用元学习机制来解决跨任务迁移。实验证明算法可以在有限的训练数据下取得良好的识别性能。关键词：合成孔径雷达；知识迁移；元学习中图分类号：TP18；TN957.52文献标识码：A文章编号：2096-4706（2023）04-0057-04ResearchonSARAutomaticTargetRecognitionBasedonCross-DomainMeta-LearningWANGKe,QIAOQi(JiangsuVocationalCollegeofElectronicsandInformation,Huai'an223003,China)Abstract:Inrecentyears,SARautomatictargetrecognitionresearchtechnologybasedondatadrivenhasmadegreatprogress.Althoughtherecognitionperformanceofsuchmethodsisbetter,itisdifficulttocollectenoughrealSARdatafortraining.ThispaperexpandsthetrainingdatasetbyintroducingsimulationSARdatatomakeupfortheshortageofrealSARdata.Tosolvecross-domainandcross-tasktransferproblemscausedbythedifferencesbetweensimulationandrealSARdata,aknowledgetransferalgorithmbasedoncross-domainMeta-Learningmechanismisproposed.Featuretransformationanddataenhancementareusedtosolvecross-domaintransfer,andMeta-Learningmechanismisusedtosolvecross-tasktransfer.Experimentsdemonstratethatthealgorithmcanachievegoodrecognitionperformancewithlimitedtrainingdata.Keywords:syntheticapertureradar;knowledgetransfer;Meta-Learning0引言合成孔径雷达（SyntheticApertureRadar,SAR）是利用合成孔径技术来对地物目标进行高分辨率成像的传感器系统。SAR工作在微波波段，在军用和民用领域都得到了广泛应用。与光学图像相比...
