| 栈式自编码和残差神经网络的射频信号个体识别 |
| |
| 引用本文： | 高晓利,李捷,赵火军,王维,骆明伟.栈式自编码和残差神经网络的射频信号个体识别[J].火力与指挥控制,2021,46(10):61-66,72. |
| |
| 作者姓名： | 高晓利 李捷 赵火军 王维 骆明伟 |
| |
| 作者单位： | 四川九洲电器集团有限责任公司,四川 绵阳 621000 |
| |
| 摘 要： | 传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.
|
| 关 键 词： | 射频信号个体识别 栈式自编码 残差神经网络 特征提取与融合 轻量化 |
Individual Identification of Radio Frequency Signal Based on Stalked Autoencoder and Residual Neural Network |
| |
| GAO Xiao-Li,LI Jie,ZHAO Huo-Jun,WANG Wei,LUO Ming-Wei.Individual Identification of Radio Frequency Signal Based on Stalked Autoencoder and Residual Neural Network[J].Fire Control & Command Control,2021,46(10):61-66,72. |
| |
| Authors: | GAO Xiao-Li LI Jie ZHAO Huo-Jun WANG Wei LUO Ming-Wei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
