APP下载

基于深度卷积网络的对讲机个体识别

2020-08-06茆旋宇官友廉陈永游祁友杰

航天电子对抗 2020年3期
关键词:深度特征信号

茆旋宇,官友廉,陈永游,祁友杰,王 欢

(1.中国航天科工集团8511研究所,江苏南京210007;2.中国人民解放军75798部队,广东汕头515000)

0 引言

辐射源个体识别,也称特定辐射源识别(specific emitter identification),是通过辐射源信号之间的细微差异区分不同辐射源个体的技术,在军用和民用领域有着巨大的实用价值。传统方法主要通过构造并提取相关细微特征实现个体识别,比如文献[1]提取信号的模糊函数的零点切片作为辐射源个体特征,实验证明该特征具有较好的分类性能;文献[2]通过测量信号的瞬时频率对FSK调制信号进行个体识别;文献[3]使用希尔伯特黄变换对信号进行时频特征分析,完成信号个体的分类;文献[4-6]分别使用不同的方法获取双谱特征以表征信号的个体特征,得到了不错的识别结果;文献[7-8]对辐射源的发射机进行非线性建模,通过熵分析提取个体特征从而识别不同的辐射源个体,文献[9-10]分析了信号的暂态过程并使用分形维数表示个体特征,在高信噪比条件下取得了较好的识别效果。

上述方法虽然在一些特定场景下有不错的效果,然而都需要人为提取特征,这需要很强的先验知识,包括对辐射源类型、信号种类、调制方式、发射机设备的工作机理、信道环境等进行分析,这就导致提取特征的过程十分复杂且耗时。同时,提取何种特征、提取的特征是否有效往往没有严格的理论基础,一般是通过专业人员的经验确定,这就导致提取的特征可靠性存疑、特征很难适应不同类型的信号。……

登录APP查看全文

猜你喜欢

深度特征信号
信号
完形填空二则
如何表达“特征”
不忠诚的四个特征
深度观察
深度观察
深度观察
基于FPGA的多功能信号发生器的设计
基于LabVIEW的力加载信号采集与PID控制
线性代数的应用特征