X射线脉冲星开集信号识别与增量学习研究.pdf

哈尔滨工业大学硕士学位论文

摘要

21X

深空探测是世纪重要的航天领域，射线脉冲星导航成为当前新兴的航

天器导航技术。作为顺利导航的前提，脉冲星信号识别问题也是近年来的研究热

点内容。在长时间、大空间的深空探索过程，务必会产生爆炸式增长的数据以及

新型脉冲星信号。然而目前的研究均是在封闭数据集下训练模型，会将未知的脉

冲星信号误判已知类信号。为了使得神经网络模型能够根据数据变化进行自适应

调整，本文提出了一种开集识别与增量学习相结合的模型，使得神经网络能够识

别出未知类样本并扩充数据集类别，不断拓展分类网络结构并解决增量学习中的

灾难性遗忘问题。具体内容如下：

首先，本文引入监督对比学习作为脉冲星闭集识别网络，实现了脉冲星已知

类的精准识别，同时为开集识别做好基础工作。利用对比学习在特征表示阶段拉

近同类样本间距离而扩大类外间距，更有利于对未知类别的识别。本文在对比学

习中利用高斯变换等方式增广数据集，扩大样本对之间的差异使得模型更好的比

较学习。并且针对对比学习的模型坍缩问题，在映射网络结构中加入批量归一化

结构。改进后的