基于堆栈式LSTM网络的通信辐射源个体识别

• 作者: 吴子龙 李昕 熊颢 陈红 雷迎科
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 通信辐射源个体识别 长短期记忆 参数优化 泛化性
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 通信与网络
• 页码范围: 2915-2923
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2020.12.30

摘要

针对现有通信辐射源个体识别方法预处理过程复杂及特征提取较难的问题,提出了一种基于堆栈式长短期记忆(long short-term memory,LSTM)网络的辐射源个体识别算法.该算法直接使用IQ时间序列信号训练LSTM网络,即可实现对通信辐射源个体的高效识别,避免了复杂的信号预处理过程.为使LSTM网络能更好地适用于通信辐射源个体识别,利用3层LSTM网络提取辐射源深层特征,并通过实验优化了网络参数.然后对该算法的实际应用泛化性进行了实验探究,结果表明该算法在其他辐射源数据集上也取得了较好的效果.最后,通过实验对算法进行了验证,结果表明相比于传统算法,在样本数较多时,该算法的识别准确率可以达到98％,而且简单快速智能,便于工程化与实用化.