典型文献
基于深度残差收缩网络的辐射源个体识别方法
文献摘要：
辐射源个体识别是电子对抗领域中的重要技术,通过识别设备间不同细微特征从而达到区分非法设备与合法设备的目的.针对辐射源个体间指纹特征差异细微且在噪声干扰下提取特征较少的问题,提出了一种基于深度残差收缩网络的辐射源个体识别方法.该方法首先将I/Q图特征数据进行拼接,利用数据增强技术进行样本扩充,进而构建了深度残差收缩网络识别模型,最后对构建的模型进行ADS-B辐射源个体识别训练并进行识别效果评估.仿真结果表明,本文构建的深度残差收缩网络通过消除数据噪声的优势,对数据增强后的20类ADS-B辐射源个体在0 dB的低信噪比条件下总体识别准确率达到98.2％,其性能较相同层数的Resnet网络提高了 1.3％,并明显优于现有其他方法.
文献关键词：
深度残差收缩网络;辐射源个体识别;特征拼接;数据增强;软阈值化
中图分类号：
作者姓名：
唐震;乔晓强;张涛;苏健;杨小蒙
作者机构：
南京信息工程大学计算机与软件学院 南京210044;国防科技大学第六十三研究所 南京210007;南京信息工程大学电子与信息工程学院 南京210044
文献出处：
引用格式：
[1]唐震;乔晓强;张涛;苏健;杨小蒙-.基于深度残差收缩网络的辐射源个体识别方法)[J].电子测量技术,2022(09):168-174
A类：
B类：
深度残差收缩网络,辐射源个体识别,电子对抗,细微特征,指纹特征,特征差异,噪声干扰,提取特征,特征数据,数据增强技术,样本扩充,识别模型,ADS,效果评估,除数,数据噪声,dB,低信噪比,识别准确率,层数,Resnet,其他方法,特征拼接,软阈值化
AB值：
0.256295
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
