-
题名面向无人机辐射源个体识别的域适应模型设计
被引量：1
- 1
-
-
作者
查浩然
刘畅
王巨震
林云
-
机构
哈尔滨工程大学信息与通信工程学院
武汉大学电子信息学院
-
出处
《信号处理》
CSCD
北大核心
2024年第4期650-660,共11页
-
基金
国家自然科学基金(62201172)。
-
文摘
近年来,无人机在军用领域和民用领域得到了广泛的应用,给人们带来极大便利的同时也带来了重大的安全挑战,精准识别无人机的需求日益迫切,其中无人机辐射源个体识别方法得到广泛关注和深入研究。基于深度学习的方法因其卓越性能而受到广泛关注,然而这些方法大多依赖于大量独立同分布的训练数据,而在实际应用中,无人机射频数据的采集和标注充满挑战,训练数据和测试数据之间往往存在较大的分布差异。针对无人机射频数据采集和标注困难、训练数据和测试数据分布差异大等现实应用需求,提出了一种面向无人机辐射源个体识别的域适应模型设计方法。采用自助抽样法对无人机数据集进行重采样,增加数据集中的样本多样性。将Transformer编码器与域对抗神经网络结合,使特征在高斯分布下进行优化。引入最大均值差异作为度量方法来减少训练过程中源域和目标域之间的分布差异。基于权重的加权投票法增强模型的泛化性,提高模型适应新环境的能力。实验结果表明,基于3种典型环境,构建6种域适应场景,本文所提的方法识别率高于现有方法约5%。此外,还研究了源域样本数量和目标域样本数量对域适应效果的影响,在目标域含有少量样本时依然可以达到较高的性能,较好地平衡了无人机辐射源个体识别精确度与泛化性、可靠性的需求。
-
关键词
辐射源个体识别
度量学习
域对抗神经网络
集成学习
-
Keywords
specific emitter identification
metric learning
domain adversarial neural network
ensemble learning
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
