基于深度残差适配网络的通信辐射源个体识别

• 作者: 陈浩 杨俊安 刘辉
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 辐射源个体识别 深度学习 迁移学习 特征提取
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 电子技术
• 页码范围: 603-609
• 页数: 7页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.12305/j.issn.1001-506X.2021.03.02

摘要

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题,提出一种基于深度残差适配网络的通信辐射源个体识别方法.应用深度学习技术实现从源域到目标域上的迁移识别,只需要将带标签的源域数据和无标签的目标域数据进行训练.原始通信辐射源信号经过预处理后输入网络训练,将源域和目标域的分布差异和网络的损失函数作为优化目标,反复迭代得到最终模型.在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性.