吕昊远，俞 璐，陈 璞

(陆军工程大学 通信工程学院，南京 210007)

0 引言

在现代战争日趋复杂的电磁环境空间中，电子对抗发挥着举足轻重的作用。作为重要的非合作识别手段，电子侦察是电子对抗的基础和前提[1]。电子侦察手段将获取通信辐射源信号数据的幅度、脉宽、载频等参数经过处理，得到通信辐射源目标的信息，从而做到对于信息制取权的实时掌握[2]。

随着技术的不断发展，新型多功能辐射源信号参数呈现出多变性，信号样式也变得越来越复杂，不同模式、个体间的信号参数交错，对于辐射源目标的识别，传统电子侦察识别方法就愈加困难。为了能够准确地识别、干扰、打击敌方目标，首要环节就是做到辐射源个体区分，由此提出辐射源个体识别(SEI,specific emitter identification)技术[3]。“个体特征”就是由通信设备内部的不同制造工艺而导致所发射信号的细微差异。辐射源个体识别技术通过测量手段获取信号的外部特征，提取出反映目标身份的信息，确定发射所得信号的特定辐射源个体[4]。

作为人工智能领域近十年来最受关注的技术之一，深度学习通过深度神经网络将底层的特征映射到高层，并且通过高层将特征抽象出来，从而发现数据的分布式特征表示[5]。深度学习的快速发展为通信辐射源个体识别提供了新的处理思路和研究方法，深度学习直接从输入的信号数据中提取个体特征，跨越人工设计特征阶段[6]，应用在辐射源个体识别问题中可以节省大量科研成本。……