翁琳天然 彭进霖 何元 钟都都 彭建华 茆旋宇

摘 要：针对传统依赖于人工提取的专家特征难以表征辐射源个体信号的细微差异问题， 提出了一种基于深度残差网络（DRN）的辐射源个体识别算法。 利用深度残差网络完成分类识别任务， 将实测信号的同相分量（I路）和正交分量（Q路）输入到深度残差网络中进行训练。 在包含不同飞行目标的ADS-B信号实测数据集上进行实验以评估该算法的性能。 实验结果表明， 提出的DRN模型在不需要人工进行特征选择的情况下达到了较好的分类精度。 此外， 在信噪比上对数据集进行扩增可进一步提升模型的性能。

关键词： ADS-B; 辐射源个体识别; 深度残差网络; 深度学习

中图分类号：TJ760; TN957  文献标识码：    A  文章编号：1673-5048（2021）04-0024-06

0 引  言

随着无线通信和物联网技术的不断发展， 频谱中无线设备的数量迅速增加。 在日趋复杂的电磁环境中， 通过分析观测信号从而准确识别出信号辐射源的个体信息， 在安防領域具有非常重要的意义。 基于广播的自动相关监测系统（Automatic Dependent Surveillance-Broadcast， ADS-B）是国际民航组织推荐发展的系统，  但该系统缺乏加密和身份验证等安全防护措施， 在实际应用中存在较大的安全隐患。 攻击者可在目标发送端或地面站接收端修改消息内的设备标识地址位以欺骗识别系统， 将特定的空中目标伪装成可信目标或其他身份目标， 给空管系统造成极大的混乱。 辐射源个体识别技术可通过分析发射机信号的细微差异， 提取辐射源的“指纹”特征， 从而达到区分不同辐射源个体的目的。……