何遵文，侯帅，张万成，张焱

（北京理工大学信息与电子学院，北京 100081）

1 引言

特定辐射源识别（SEI,specific emitter identification）是将接收到的脉冲波形与唯一发射器进行关联[1]。5G 使数据传输速率和可靠性得到了跳跃式的提升，促进了物联网应用的普及和发展。6G 将进一步向万物互联的时代迈进，接入物联网的无线设备呈爆炸式增长，设备的安全性值得关注。物联网中未知的辐射源设备需要能被准确地识别身份，而电磁环境日益复杂，辐射源数目庞大，信号密度极高，这为SEI 技术带来了更多的挑战[2]。

用于个体识别的辐射源信号通常分为瞬态信号和稳态信号[3]。瞬态信号是发射体开关打开时或状态改变时的信号，但是瞬态信号持续时间较短，在实际通信环境特别是非合作通信情况下截获难度较大。相比之下，稳态信号更容易获取，具备较强的操作性，基于稳态信号的SEI 技术在实际应用中具有更强的适用性[4]。

近年来，深度学习在SEI 领域有了广泛的发展和应用[5]，深度神经网络能够通过具有非线性激活函数的多个隐含层来检索抽象特征，有利于提取辐射源信号的深层次的细微特征[6]。因此，一些文献使用基于深度神经网络的端到端的SEI 方法，如文献[7-8]将原始I/Q 信号直接送入神经网络，完成端到端的SEI 任务，整体性强。但是这种方法过于依赖神经网络的设计，并且对不同的原始数据类型都要设计不同的神经网络，可扩展性不强。另外，常用的卷积神经网络（CNN，convolutional neural network）更擅长识别二维图像数据，直接处理I/Q数据效果会有一定的折扣。……