典型文献
基于CLDNN的物联网设备个体识别
文献摘要：
针对目前个体识别中特征工程存在信号序列长、特征鲁棒性差等问题,研究了基于深度神经网络的个体识别技术.借鉴语音识别中的卷积长短时全连接神经网络(CLDNN),通过卷积神经网络提取信号的局部幅度特征,通过长短期记忆网络提取信号的全局时域特征,使用全连接网络实现特征图到设备标签的映射.在视距(LOS)信道下,采集8台LoRa调制的无线数传电台数据,加入高斯白噪声进行仿真测试.仿真表明,本文所提方法在信号序列长度为2048点和低信噪比(0 dB)时,模型准确率达到95％;此外相较VGG16模型,本模型参数更少,在物联网设备部署方面具有一定的应用前景.
文献关键词：
物理层安全;射频指纹;CLDNN网络;物联网
中图分类号：
作者姓名：
王凡;卢冬鸣;王翰红
作者机构：
中国电波传播研究所,山东 青岛 266107;哈尔滨工程大学 信息通信工程学院,黑龙江 哈尔滨 150001
文献出处：
引用格式：
[1]王凡;卢冬鸣;王翰红-.基于CLDNN的物联网设备个体识别)[J].太赫兹科学与电子信息学报,2022(12):1298-1304
A类：
B类：
CLDNN,物联网设备,个体识别,前个体,特征工程,深度神经网络,语音识别,全连接神经网络,取信,长短期记忆网络,时域特征,全连接网络,特征图,视距,LOS,信道,LoRa,无线数传,数传电台,台数,高斯白噪声,仿真测试,低信噪比,dB,模型准确率,VGG16,设备部,物理层安全,射频指纹
AB值：
0.395566
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。
