-
题名栈式自编码和残差神经网络的射频信号个体识别
被引量：2
- 1
-
-
作者
高晓利
李捷
赵火军
王维
骆明伟
-
机构
四川九洲电器集团有限责任公司
-
出处
《火力与指挥控制》
CSCD
北大核心
2021年第10期61-66,72,共7页
-
基金
装发领域基金资助项目(61403120104)。
-
文摘
传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低。随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法。包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤。仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现。
-
关键词
射频信号个体识别
栈式自编码
残差神经网络
特征提取与融合
轻量化
-
Keywords
individual identification of RF signal
SAE
ResNet
feature extraction and fusion
lightweight
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于残差重构网络的射频信号个体识别
- 2
-
-
作者
赵火军
程旗
李捷
高晓利
王维
-
机构
九洲电器集团有限责任公司技术创新中心
-
出处
《兵工自动化》
2022年第4期64-68,共5页
-
文摘
针对主流方法对信号个体识别效率低、误识别的问题,提出一种基于残差重构网络的射频信号个体识别方法。通过傅里叶变换得到侦收信号的频域特征,作为神经网络的输入向量;利用残差网络能够解决网络退化和梯度消失的优势,重构残差网络,并将其作为射频信号个体识别的核心网络模型;通过固定每层网络的通道数,实现减少模型参数量,达到神经网络轻量化目的。实验结果表明:与ResNet18方法相比,该方法针对30个目标信号的个体识别率提升了约3.8%,模型大小降低了13倍,能较好地解决模型压缩与识别算法性能无法平衡的问题。
-
关键词
残差重构
射频信号个体识别
频域特征
轻量化
-
Keywords
residual reconstruction
RF signal individual identification
frequency domain characteristics
lightweight
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
