基于逆残差平均池化模型的辐射源个体识别方法

本发明公开了一种基于逆残差平均池化模型的辐射源个体识别方法，首先通过提取辐射源的参数特征构建脉冲描述字PDW参数数据集，然后构建并初始化逆残差平均池化模型，设置模型的超参数及训练方法，再将数据集划分为训练集、验证集和测试集，使用训练集对神经网络模型进行训练、使用验证集评估训练过程，训练完成后，利用训练好的模型对测试集数据进行分类识别测试，以实现个体识别，并评估分类准确率和模型鲁棒性。本发明的方法将逆残差卷积模块与全局平均池化层结合，能够更加高效地提取辐射源的特征信息，显著提高辐射源个体识别的准确率，有效降低网络识别的计算复杂度，并增强网络的鲁棒性。