特定輻射源識(shí)別技術(shù)(SEI)是通過分析截獲的信號(hào)的射頻指紋特征(RFF)來完成對(duì)輻射源的識(shí)別。基于殘差神經(jīng)網(wǎng)絡(luò)(ResNet)的輻射源個(gè)體識(shí)別具有很好的識(shí)別效果,解決了梯度消失、網(wǎng)絡(luò)退化等問題。在此方法的基礎(chǔ)上,提出了一種基于特征增強(qiáng)的殘差神經(jīng)網(wǎng)絡(luò)的SEI方法,殘差神經(jīng)網(wǎng)絡(luò)通過引入殘差模塊來保證網(wǎng)絡(luò)不會(huì)退化,通過提升原始信號(hào)中的整體特征信息來改善識(shí)別性能。該方法通過使用接收到的穩(wěn)態(tài)信號(hào)的特征,以接收信號(hào)的通過特征值降維后的雙譜特征作為唯一特征,將降維后的特征和信號(hào)融合輸入,以此完成信號(hào)的特征增強(qiáng)。仿真結(jié)果表明,將時(shí)域信號(hào)作為直接輸入,減少了將信號(hào)做時(shí)頻處理所需的運(yùn)算量,使用殘差網(wǎng)絡(luò)的識(shí)別效果均比機(jī)器學(xué)習(xí)高,通過特征增強(qiáng)的方法使得殘差網(wǎng)絡(luò)識(shí)別效果有進(jìn)一步提升。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 特征提取
    1.1 雙譜計(jì)算
    1.2 雙譜降維
    1.3 特征增強(qiáng)
2 基于殘差神經(jīng)網(wǎng)絡(luò)（Res Net）的SEI識(shí)別算法
    2.1 ResNet
    2.2 識(shí)別算法
    2.3 識(shí)別性能評(píng)估
3 結(jié)束語



本文編號(hào)：3764851