检索结果-维普期刊中文期刊服务平台

采用差分星座图的SDR设备射频指纹识别: 1; 作者安永丽申俊峰纪占林《电讯技术》北大核心 2024年第3期442-450,共9页; 差分星座图(Differential Constellation Trace Figure,DCTF)在射频指纹(Radio Frequency Fingerprint,RFF)识别中具有良好的性能,但在低信噪比情况下会产生严重的模糊。为了提高DCTF的识别精度,设计了注意力残差卷积神经网络模型,即DCT... 展开更多; 关键词射频指纹识别物理层安全差分星座图(dctf) 注意力残差网络; 在线阅读下载PDF 职称材料

基于PACGAN与差分星座轨迹图的辐射源个体识别被引量：8: 2; 作者牛伟宇许华 +2 位作者刘英辉秦博伟史蕴豪《信号处理》 CSCD 北大核心 2021年第8期1559-1567,共9页; 深度学习解决个体识别的一个突出问题是难以获得足够样本对网络进行训练,针对该问题,提出了一种基于PACGAN(Pooling Auxiliary Classifier Generative Adversarial Network)的辐射源个体识别算法。该算法针对输入信号的差分星座轨迹图... 展开更多; 关键词个体识别差分星座图轨迹图生成式对抗网池化操作; 在线阅读下载PDF 职称材料

基于差分星座轨迹图的LoRa设备识别方法被引量：2: 3; 作者宋宇波耿益瑾 +1 位作者李古月李涛《信息网络安全》 CSCD 北大核心 2021年第1期41-48,共8页; LoRa作为一种扩频远距离无线传输技术,广泛应用于物联网领域,其终端设备的安全问题也随之成为热点研究对象。针对LoRa的调制原理及信号特性,文章提出一种基于差分星座轨迹图的LoRa设备识别方法,将终端设备认证问题转化为图像处理问题。... 展开更多; 关键词 LoRa 差分星座轨迹图聚类算法设备识别; 在线阅读下载PDF 职称材料

基于差分星座轨迹图的多任务802.11b/g信号识别方法: 4; 作者谢星丽谢跃雷《电讯技术》北大核心 2023年第11期1771-1778,共8页; 针对802.11b/g无线信号的调制方式识别和辐射源个体识别问题,提出了一种基于差分星座轨迹图的多任务卷积神经网络识别方法。将调制识别和辐射源个体识别看作两个相互关联的学习任务,通过共享参数的深度网络提取差分星座轨迹图的特征,并... 展开更多; 关键词辐射源识别调制方式识别差分星座轨迹图多任务学习深度学习; 在线阅读下载PDF 职称材料

多电平正交调幅的集映射与差分编码被引量：5: 5; 作者姚彦《电信科学》 1987年第7期28-30,共3页; 本文介绍了用象限坐标分析多电平正交调幅信号集映射的一般方法,讨论了各种映射逻辑及其关系,给出了为克服参考载波相位含糊度所必须的差分编码,并从误码性能的角度对各种映射逻辑和差分编码进行了比较。本文的方法与结论,对于大容量数... 展开更多; 关键词正交调幅差分编码多电平载波相位平移对称误码性能星座图总体设计数字信号传输谱效率; 在线阅读下载PDF 职称材料

差分空时分组码在OFDM系统中应用: 6; 作者朱国威刘粉山《电子测量技术》 2005年第4期55-56,共2页; 通过在OFDM通信系统中应用新型差分空时分组码(DSTBC),获得编码增益,无需信道估计。相比传统DSTBC彻底解决常见的星座图扩张问题,改善系统误帧率约1dB左右。; 关键词正交频分复用差分空时分组码 OFDM系统空时分组码应用差分通信系统编码增益信道估计星座图; 在线阅读下载PDF 职称材料

基于残差原型网络的辐射源个体识别被引量：5: 7; 作者王春升王永民 +1 位作者许华朱华丽《系统工程与电子技术》 EI CSCD 北大核心 2023年第7期2249-2258,共10页; 利用深度学习进行通信辐射源识别分类时,现有算法在较低信噪比下的识别能力还不足,且均着重关注各类辐射源个体的类间距离,忽视了类内紧密性。针对此问题,结合残差网络和原型学习基本思想,提出残差原型网络,对输入信号的差分星座轨迹图... 展开更多; 关键词残差原型网络原型学习辐射源个体识别差分星座轨迹图; 在线阅读下载PDF 职称材料

题名采用差分星座图的SDR设备射频指纹识别: 1; 作者安永丽申俊峰纪占林; 机构华北理工大学人工智能学院河北省工业智能感知重点实验室; 出处《电讯技术》北大核心 2024年第3期442-450,共9页; 基金国家科技部重点研发专项(2017YFE0135700) 河北省高层次人才工程项目(A201903011) 河北省自然科学基金(F2018209358)。; 文摘差分星座图(Differential Constellation Trace Figure,DCTF)在射频指纹(Radio Frequency Fingerprint,RFF)识别中具有良好的性能,但在低信噪比情况下会产生严重的模糊。为了提高DCTF的识别精度,设计了注意力残差卷积神经网络模型,即DCTF-Res2Net模型。该模型在网络提取特征时加入注意力模块来提高DCTF的识别精度,并将标签平滑损失函数与网络模型结合,有效缓解了DCTF中的离群点对网络模型的干扰。在实验中,根据不同的传输方式和传输场景构建了完备的DCTF的数据集,并用DCTF-Res2Net模型对其进行分类。实验结果表明,在信噪比为5 dB的情况下,与传统的残差网络相比,所提出的DCTF-Res2Net模型可以达到更高的识别精度。; 关键词射频指纹识别物理层安全差分星座图(dctf) 注意力残差网络; Keywords radio frequency fingerprint(RFF)identification physical layer security differential constellation trace figure(dctf) attention residual network; 分类号 TN918 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于PACGAN与差分星座轨迹图的辐射源个体识别被引量：8: 2; 作者牛伟宇许华刘英辉秦博伟史蕴豪; 机构空军工程大学信息与导航学院; 出处《信号处理》 CSCD 北大核心 2021年第8期1559-1567,共9页; 文摘深度学习解决个体识别的一个突出问题是难以获得足够样本对网络进行训练,针对该问题,提出了一种基于PACGAN(Pooling Auxiliary Classifier Generative Adversarial Network)的辐射源个体识别算法。该算法针对输入信号的差分星座轨迹图进行处理,并对辅助分类生成式对抗网(ACGAN)进行了适应性改进。在判别器网络中引入池化操作,增强其在多分类任务中的特征提取能力;针对样本图像特征大量边缘分布的情况,添加零填充层以增强其边缘特征提取能力,增大卷积层感受野以提取全局性特征。通过对五种ZigBee设备的实验,结果表明本文提出算法在小样本条件下相较于其他方法具有更高的准确性。; 关键词个体识别差分星座图轨迹图生成式对抗网池化操作; Keywords individual identification differential constellation trace figure generative adversarial network pooling; 分类号 TN975 [电子电信—信号与信息处理] TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于差分星座轨迹图的LoRa设备识别方法被引量：2: 3; 作者宋宇波耿益瑾李古月李涛; 机构东南大学网络空间安全学院江苏省计算机网络技术重点实验室网络通信与安全紫金山实验室; 出处《信息网络安全》 CSCD 北大核心 2021年第1期41-48,共8页; 基金国家自然科学基金[61601113] 东南大学基本科研业务费[2019021]。; 文摘 LoRa作为一种扩频远距离无线传输技术,广泛应用于物联网领域,其终端设备的安全问题也随之成为热点研究对象。针对LoRa的调制原理及信号特性,文章提出一种基于差分星座轨迹图的LoRa设备识别方法,将终端设备认证问题转化为图像处理问题。该方法将接收信号的星座轨迹图进行差分处理,并基于聚类算法获得差分星座轨迹图的聚类中心,作为设备的唯一标识。此外基于欧式距离的相似度计算方法,对设备聚类中心进行匹配,实现终端设备的身份认证。实验结果表明,基于差分星座轨迹图的LoRa设备识别方法准确识别了4个LoRa传输模块,在信噪比较低的情况下仍具有较高的识别率,验证了方法的有效性和稳定性。; 关键词 LoRa 差分星座轨迹图聚类算法设备识别; Keywords LoRa differential constellation trace figure clustering algorithm device identification; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于差分星座轨迹图的多任务802.11b/g信号识别方法: 4; 作者谢星丽谢跃雷; 机构桂林电子科技大学信息与通信学院卫星导航定位与位置服务国家地方联合工程研究中心; 出处《电讯技术》北大核心 2023年第11期1771-1778,共8页; 基金广西科技重大专项(桂科AA21077008)。; 文摘针对802.11b/g无线信号的调制方式识别和辐射源个体识别问题,提出了一种基于差分星座轨迹图的多任务卷积神经网络识别方法。将调制识别和辐射源个体识别看作两个相互关联的学习任务,通过共享参数的深度网络提取差分星座轨迹图的特征,并由结构不同的两个分支网络进行分类识别,同时对这两个任务进行联合优化训练并相互促进学习。实验中使用6个不同的路由器进行验证,结果表明相比于单任务模型的识别方法,多任务模型所用的训练时长和模型所占内存均比两个单任务模型之和少,同时对辐射源个体、调制方式的识别率分别平均提高了1.17%和3%。; 关键词辐射源识别调制方式识别差分星座轨迹图多任务学习深度学习; Keywords emitter identification modulation recognition differential constellation trace figure multi-task learning deep learning; 分类号 TN911.7 [电子电信—通信与信息系统] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名多电平正交调幅的集映射与差分编码被引量：5: 5; 作者姚彦; 出处《电信科学》 1987年第7期28-30,共3页; 文摘本文介绍了用象限坐标分析多电平正交调幅信号集映射的一般方法,讨论了各种映射逻辑及其关系,给出了为克服参考载波相位含糊度所必须的差分编码,并从误码性能的角度对各种映射逻辑和差分编码进行了比较。本文的方法与结论,对于大容量数字微波通信系统(采用16QAM、64QAM或256QAM)的总体设计有一定参考价值。; 关键词正交调幅差分编码多电平载波相位平移对称误码性能星座图总体设计数字信号传输谱效率; 分类号 TN91 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名差分空时分组码在OFDM系统中应用: 6; 作者朱国威刘粉山; 机构中国科学技术大学; 出处《电子测量技术》 2005年第4期55-56,共2页; 文摘通过在OFDM通信系统中应用新型差分空时分组码(DSTBC),获得编码增益,无需信道估计。相比传统DSTBC彻底解决常见的星座图扩张问题,改善系统误帧率约1dB左右。; 关键词正交频分复用差分空时分组码 OFDM系统空时分组码应用差分通信系统编码增益信道估计星座图; Keywords OFDM DSTBC; 分类号 TN929.5 [电子电信—通信与信息系统] TN911.22 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于残差原型网络的辐射源个体识别被引量：5: 7; 作者王春升王永民许华朱华丽; 机构空军工程大学信息与导航学院; 出处《系统工程与电子技术》 EI CSCD 北大核心 2023年第7期2249-2258,共10页; 文摘利用深度学习进行通信辐射源识别分类时,现有算法在较低信噪比下的识别能力还不足,且均着重关注各类辐射源个体的类间距离,忽视了类内紧密性。针对此问题,结合残差网络和原型学习基本思想,提出残差原型网络,对输入信号的差分星座轨迹图进行识别。此外,在基于距离的交叉熵损失函数基础上加入原型损失,通过提高类内紧密度的方式进一步扩增了类间距离。通过对5种ZigBee设备的实验,结果表明所提算法在相同信噪比条件下相较于其他算法具有更好的识别性能,在信噪比高于8 dB时,可达到99%以上的准确率。; 关键词残差原型网络原型学习辐射源个体识别差分星座轨迹图; Keywords residual prototype network prototype learning specific emitter identification differential constellation trace figure; 分类号 TN975 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	采用差分星座图的SDR设备射频指纹识别	安永丽申俊峰纪占林	《电讯技术》北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于PACGAN与差分星座轨迹图的辐射源个体识别	牛伟宇许华刘英辉秦博伟史蕴豪	《信号处理》 CSCD 北大核心	2021	8	在线阅读下载PDF 职称材料
3	基于差分星座轨迹图的LoRa设备识别方法	宋宇波耿益瑾李古月李涛	《信息网络安全》 CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
4	基于差分星座轨迹图的多任务802.11b/g信号识别方法	谢星丽谢跃雷	《电讯技术》北大核心	2023	0	在线阅读下载PDF 职称材料
5	多电平正交调幅的集映射与差分编码	姚彦	《电信科学》	1987	5	在线阅读下载PDF 职称材料
6	差分空时分组码在OFDM系统中应用	朱国威刘粉山	《电子测量技术》	2005	0	在线阅读下载PDF 职称材料
7	基于残差原型网络的辐射源个体识别	王春升王永民许华朱华丽	《系统工程与电子技术》 EI CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料