期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
通信辐射源指纹识别技术 被引量:2
1
作者 朱丽莉 王爱粉 赵星 《电子科技》 2011年第12期63-65,共3页
通信辐射源个体识别是近来通信对抗领域的重要研究课题,不同于传统通信信号侦察中的调制模式识别研究,通信辐射源识别主要研究体现同类辐射源之间个体差异的信号指纹的分析提取技术。文中研究分析信号指纹的分析提取存在的技术难点和解... 通信辐射源个体识别是近来通信对抗领域的重要研究课题,不同于传统通信信号侦察中的调制模式识别研究,通信辐射源识别主要研究体现同类辐射源之间个体差异的信号指纹的分析提取技术。文中研究分析信号指纹的分析提取存在的技术难点和解决方案。对稳态通信信号的个体细微特征,如通信发射信号在载频和调制参数特征上的偏差,以及信号杂散输出成分的差异,并考虑将上述特征确立为反映通信电台个体技术特点的信号指纹,提出一个基于证据理论的通信辐射源识别方案,是实现个体识别在军事通信对抗作战计划的重要依据。 展开更多
关键词 通信辐射源 模式识别 频率稳定度 个体识别
在线阅读 下载PDF
基于噪声功率估计的非恒包络通信信号个体识别方法 被引量:5
2
作者 张泽君 程伟 杨瑞娟 《空军预警学院学报》 2015年第4期266-270,共5页
针对现有无数据辅助噪声功率估计算法存在估计信号范围窄、计算量大的问题,对基于二阶和四阶矩(M2M4)的非恒包络信号信噪比估计方法进行了理论分析,提出了一种基于噪声功率估计的非恒包络通信信号个体识别方法.该方法通过估计M2M4方法... 针对现有无数据辅助噪声功率估计算法存在估计信号范围窄、计算量大的问题,对基于二阶和四阶矩(M2M4)的非恒包络信号信噪比估计方法进行了理论分析,提出了一种基于噪声功率估计的非恒包络通信信号个体识别方法.该方法通过估计M2M4方法与信号二阶和四阶矩有关的参数,完成对非恒包络信号下的信噪比估计,从而实现基于获取的噪声功率对通信电台个体的识别,拓展了M2M4方法应用范围.仿真结果验证了该方法的有效性. 展开更多
关键词 非恒包络通信 噪声功率估计 电台个体识别 二阶和四阶矩
在线阅读 下载PDF
基于半监督矩形网络的通信电台个体识别 被引量:15
3
作者 黄健航 雷迎科 《电子学报》 EI CAS CSCD 北大核心 2019年第1期1-8,共8页
通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监... 通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监督矩形网络编码器中有监督训练,其训练结果通过网络径向连接传给解码器,解码器再无监督学习,重构未污染的原始样本,从网络顶层提取电台个体特征,输入softmax分类器实现分类识别.在实际采集的电台数据集上的实验结果说明,本算法在小样本条件下相比现有算法能更准确识别同型号的电台个体. 展开更多
关键词 小样本条件 电台个体识别 半监督学习 矩形积分双谱 自编码器
在线阅读 下载PDF
一种基于射频指纹的通信个体识别方法 被引量:4
4
作者 黄少驰 朱晓蕾 《航天电子对抗》 2018年第1期31-34,共4页
为了解决无线认证设备的安全问题,提出了一种基于射频指纹的通信个体识别方法。通过能量占比的角度比较主成分分析、鲁棒主成分分析和核主成分分析的方法,选择出适用于射频指纹特征的最佳降维方法进行进一步特征提取。比较了四种常用分... 为了解决无线认证设备的安全问题,提出了一种基于射频指纹的通信个体识别方法。通过能量占比的角度比较主成分分析、鲁棒主成分分析和核主成分分析的方法,选择出适用于射频指纹特征的最佳降维方法进行进一步特征提取。比较了四种常用分类器,在不同信噪比环境下识别通信个体。仿真结果表明,提出的通信个体识别方法能够在信噪比大于15dB时达到高于98%的识别率,能够保证无线通信设备的接入安全问题。 展开更多
关键词 射频指纹 降维 个体识别
在线阅读 下载PDF
针对细微特征进行K-means聚类的电台分选识别技术 被引量:1
5
作者 杨亮亮 《电讯技术》 北大核心 2022年第8期1149-1154,共6页
现代战场中的无线通信设备日益增多,精准获取个体信息已成为研究热点,但也是难点。针对通信电台,提出了一种分选识别技术。该技术从电台物理层特性出发,对其辐射信号的细微特征进行K-means聚类以实现分选,分选的同时提取各个个体的特征... 现代战场中的无线通信设备日益增多,精准获取个体信息已成为研究热点,但也是难点。针对通信电台,提出了一种分选识别技术。该技术从电台物理层特性出发,对其辐射信号的细微特征进行K-means聚类以实现分选,分选的同时提取各个个体的特征属性值,未知信号通过与特征属性值相关运算实现个体识别。该技术无需先验知识,无需训练运算,通过实验验证,其可行、高效,易于工程实现。 展开更多
关键词 电台分选识别 细微特征 K-MEANS聚类 个体识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部