基于残差神经网络的辐射源个体识别

• 作者: 张宁
• 来源期刊: 航天电子对抗
• 学科: 工学
• 关键词: 残差网络 特征值降维 双谱特征 运算量 特征增强
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 技术前沿
• 页码范围: 5-10,45
• 页数: 7页
• 分类号: TN401
• 语种: 中文

摘要

特定辐射源识别技术(SEI)是通过分析截获的信号的射频指纹特征(RFF)来完成对辐射源的识别.基于残差神经网络(ResNet)的辐射源个体识别具有很好的识别效果,解决了梯度消失、网络退化等问题.在此方法的基础上,提出了一种基于特征增强的残差神经网络的SEI方法,残差神经网络通过引入残差模块来保证网络不会退化,通过提升原始信号中的整体特征信息来改善识别性能.该方法通过使用接收到的稳态信号的特征,以接收信号的通过特征值降维后的双谱特征作为唯一特征,将降维后的特征和信号融合输入,以此完成信号的特征增强.仿真结果表明,将时域信号作为直接输入,减少了将信号做时频处理所需的运算量,使用残差网络的识别效果均比机器学习高,通过特征增强的方法使得残差网络识别效果有进一步提升.