典型文献
基于深度自编码器的辐射源个体开集识别
文献摘要：
为实现对城市用频设备的精确管控,针对特定辐射源开集识别问题,构建了一套基于深度学习的辐射源个体开集识别处理流程,核心在于指纹特征有效区间筛选与基于深度自编码器的开集识别模型.一方面,通过使用Grad-CAM实现对深度网络激活可视化,筛选出信号对网络激活贡献较高的部分,在不损失过多指纹信息的情况下进行信号区间筛选;另一方面,建立基于半监督对抗自编码器的辐射源个体开集识别模型,实现对电磁环境中出现的未知辐射源个体的有效识别.实验表明此开集识别模型能够在不损失闭集识别率的条件下实现高精确度的开集识别.
文献关键词：
辐射源识别;开集识别;深度学习;自编码器;Grad-CAM算法
中图分类号：
作者姓名：
林子榆;王翔;孙丽婷;柯达;柳征
作者机构：
国防科技大学 电子科学学院,湖南 长沙 410073
文献出处：
引用格式：
[1]林子榆;王翔;孙丽婷;柯达;柳征-.基于深度自编码器的辐射源个体开集识别)[J].太赫兹科学与电子信息学报,2022(12):1285-1291
A类：
对抗自编码
B类：
深度自编码器,开集识别,别处,处理流程,指纹特征,识别模型,Grad,CAM,深度网络,多指,指纹信息,半监督,电磁环境,闭集识别,识别率,高精确度,辐射源识别
AB值：
0.227309
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。
