张一丹

四川大学电子信息学院 四川 成都 610065

引言

通信辐射源的个体识别是通过提取存在于发射信号中的辐射源个体差异特征（即“指纹”）实现的。因辐射源指纹特征属于无意调制特征，不依赖于传输的通信内容，辐射源个体识别在电磁目标识别、网络安全和电子对抗等领域具有重要意义[1]。

近年来，人工智能的热度不断上升，在辐射源个体识别问题中，AI的加入使识别效果有一定的提升[2]。但深度学习本身可解释性较差，且指纹特征背后对应的机理问题并未完全解决，因此训练过程中很容易陷入过拟合，面对新数据和新情景时适应性也较差。

针对上述问题，本文提出一种基于谱峰定位的积分路径筛选算法，每个积分路径对双谱的值计算和特征提取的贡献情况不同，筛选出离双谱谱峰较近的矩形积分路径，提取最大贡献路径的双谱值。利用该筛选算法对信号的双谱进行二次特征提取，在保证识别准确率的同时有效减少计算维度，最后采用卷积神经网络进行分类识别。

1 基于双谱的通信辐射源指纹特征提取算法

1.1 双谱变换

由于实际电磁辐射的环境较为复杂，辐射信号或噪声并不完全服从高斯分布，对信号细微特征的分析如果只有幅度信息是不充分的，还需要一定的相位信息，高阶谱可以求得信号的相位信息。双谱是高阶谱分析中阶数最低、运算量最小、运算效率最高、处理方法相对简单的谱分析方法。双谱包含了高阶谱的所有特征，可以恢复、提取信号的相位和幅度特征，因而较为适合辐射源信号的细微特征分析。……