特定輻射源識別技術(SEI)是通過分析截獲的信號的射頻指紋特征(RFF)來完成對輻射源的識別�；跉埐钌窠�(jīng)網(wǎng)絡(ResNet)的輻射源個體識別具有很好的識別效果,解決了梯度消失、網(wǎng)絡退化等問題。在此方法的基礎上,提出了一種基于特征增強的殘差神經(jīng)網(wǎng)絡的SEI方法,殘差神經(jīng)網(wǎng)絡通過引入殘差模塊來保證網(wǎng)絡不會退化,通過提升原始信號中的整體特征信息來改善識別性能。該方法通過使用接收到的穩(wěn)態(tài)信號的特征,以接收信號的通過特征值降維后的雙譜特征作為唯一特征,將降維后的特征和信號融合輸入,以此完成信號的特征增強。仿真結果表明,將時域信號作為直接輸入,減少了將信號做時頻處理所需的運算量,使用殘差網(wǎng)絡的識別效果均比機器學習高,通過特征增強的方法使得殘差網(wǎng)絡識別效果有進一步提升。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 特征提取
    1.1 雙譜計算
    1.2 雙譜降維
    1.3 特征增強
2 基于殘差神經(jīng)網(wǎng)絡（Res Net）的SEI識別算法
    2.1 ResNet
    2.2 識別算法
    2.3 識別性能評估
3 結束語



本文編號：3764851