论文
SCORE-LM：状态空间雷达表示与故障诊断语言模型
SCORE-LM: State-Space Radar Representations with Language Models for Fault Diagnosis
摘要
雷达硬件故障威胁着自动感知，从而激发准确、紧凑的诊断和易于理解的维护指导。我们引入 SCORE-LM，它将小型散射条件操作员响应编码器 (SCORE) 与适应的本地语言模型结合起来。 SCORE 结合了自参考复杂轨迹、物理描述符和选择性状态空间分支，以及仅源自监督和方向故障推理。在八个排除捕获的 Rad-R 故障记录中，它在评估的九个模型比较中实现了最先进的性能：在 10 帧时平均捕获召回率为 88.39%，四故障宏 F1 为 88.20%。其 39,520 个雷达推理系数比 RadrNet-DS-CI 少 119.7 倍，而召回率比这个最强竞争对手高 15.56 个百分点。在单独的低标签协议中，SCORE 的召回率达到 71.58%，每个类别有一个标记源窗口。非线性投影器将四个冻结的故障相似性转换为五个软词元，将紧凑的诊断与类条件维护指导联系起来。在涵盖 24 个雷达窗口的 75 个开发问题上，相对于删除共同训练的适配器，同时保留相同的投影器，语言适应将正确错误答案从 45 个提高到 62 个（60.0% 到 82.7%）。因此，SCORE-LM 将紧凑型雷达专家与语言界面相结合，用于传达特定故障的检查指导。