基于残差重构网络的射频信号个体识别

• 作者: 赵火军 程旗 李捷 高晓利 王维
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 残差重构 射频信号个体识别 频域特征 轻量化
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 大数据与人工智能|Big Data and Artificial Intelligence
• 页码范围: 64-68
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7690/bgzdh.2022.04.014

摘要

针对主流方法对信号个体识别效率低、误识别的问题,提出一种基于残差重构网络的射频信号个体识别方法.通过傅里叶变换得到侦收信号的频域特征,作为神经网络的输入向量;利用残差网络能够解决网络退化和梯度消失的优势,重构残差网络,并将其作为射频信号个体识别的核心网络模型;通过固定每层网络的通道数,实现减少模型参数量,达到神经网络轻量化目的.实验结果表明:与ResNet18方法相比,该方法针对30个目标信号的个体识别率提升了约3.8％,模型大小降低了13倍,能较好地解决模型压缩与识别算法性能无法平衡的问题.