基于多子空间表征学习的雷达干扰信号类增量学习方法

本发明公开了一种基于多子空间表征学习的雷达干扰信号类增量学习方法，包括：将待测雷达干扰信号输入主干网络进行特征提取，将得到的待测语义特征向量输入训练完成的任务适配器，得到待测雷达干扰信号在每个子空间中的特征表示；其中，任务适配器为轻量化特征变换网络，采用瓶颈压缩和非线性增强并行的双分支结构；任务适配器根据知识蒸馏损失、分类损失和参数正则化损失进行训练；进一步得到待测雷达干扰信号所属各个类别的预测分数和对应的预测置信度；将预测置信度最高的类别作为待测雷达干扰信号对应的识别结果。本发明通过多种损失函数对任务适配器进行联合优化，不需要访问历史数据，可以识别对信号识别的自适应决策。