汪 鹏，王金明，张宏瑜，孙 渊，池志伟

（1.陆军工程大学，江苏 南京 210007；2.解放军73156部队，福建 漳州 363900）

0 引 言

辐射源识别技术，是利用辐射信号时域、频域等方面的特征与性质，运用数学解析方法，对信号进行差异化的可识别的特征参数提取，并利用机器学习等科学方法对特征参数进行识别、学习、泛化，从特征参数的差异性方面对信号进行处理分类，从而达到辐射源识别的效果。它的原理在于发射机发射信号时，信号夹杂了发射机的硬件信息。不同的发射机个体发出的信号有细微的差异，这些差异性为通信辐射源个体识别提供了依据。

卷积神经网络（Convolutional Neural Network，CNN）是深度学习中最常见的方法，常用于图像识别[1]。通过多年发展，卷积神经网络发展研究比较成熟，应用广泛。在通信辐射源识别方面，它能结合信号的小波变换[2]、高阶谱特征[3]、IQ特征图[4]等图像特征进行图像识别，从而达到通信辐射源识别的目的，取得了较好的识别效果。

对于电台信号，通过接收机采样可以得到分别为I路和Q路两路数据。由于电台硬件导致的IQ不平衡性，两路数据不能呈现出理想情况下的正交性。I路和Q路数据受幅度和相位不平衡的影响，在正交性上表现出个体差异。每部电台的差异性表现不尽相同，给电台识别提供了依据[5]。

1 I/Q失配模型与特征提取

硬件制造过程自身存在不完善性和差异性，导致正交调制器产生的I/Q信号存在失配问题。I/Q失配主要有增益失配和相位失配。相位失配表现为两路信号相位差不是90°，即I、Q信号是非正交的，造成调制后的两路信号交叠。……