基于残差神经网络的辐射源个体识别

发布时间：2023-03-19 07:38

　　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。

【文章页数】：7 页

【文章目录】：
0 引言
1 特征提取
    1.1 双谱计算
    1.2 双谱降维
    1.3 特征增强
2 基于残差神经网络（Res Net）的SEI识别算法
    2.1 ResNet
    2.2 识别算法
    2.3 识别性能评估
3 结束语



本文编号：3764851