通信輻射源個體識別是通過發(fā)射機反映在信號上的差異來判別信號與輻射源個體之間的關(guān)聯(lián)。傳統(tǒng)的通信輻射源個體識別方法以及新興的利用神經(jīng)網(wǎng)絡(luò)進行輻射源個體識別的方法都依賴帶類別信息的信號樣本,然而在實際中帶類別信息的信號樣本獲取難度很大。為了解決這個問題,引入了無監(jiān)督學習中的密度峰值聚類算法,在無類別信息信號樣本的前提下進行通信輻射源個體識別。由于密度峰值聚類算法的性能受人工輸入?yún)?shù)dc的影響較大,文中利用核密度估計（KDE）及熱擴散方程改進算法,在不需要人工輸入?yún)?shù)的條件下實現(xiàn)對數(shù)據(jù)的分類。文中所提算法在實際電臺信號數(shù)據(jù)集上進行了實驗,具有較好的效果,驗證了該算法的可靠性和有效性。 

【文章來源】：空軍工程大學學報(自然科學版). 2020,21(03)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

決策圖示例

為了驗證本文提出識別方法的可行性，算法在實際超短波（USW）數(shù)據(jù)集進行了實驗，數(shù)據(jù)采集場景見圖2。課題組采集了5部超短波FM電臺不同說話人的語音通信數(shù)據(jù)。超短波電臺信號數(shù)據(jù)采集時，使用手機播放3個不同的人說話聲音作為發(fā)射端的輸入，然后接收機作為非協(xié)作方經(jīng)過采集獲得零中頻I/Q信號。背負式超短波FM電臺中心頻率分別設(shè)置為35 MHz、55 MHz和85 MHz，工作模式為“小功率”，并設(shè)立了3個采集場景：接收機與電臺之間無高大建筑遮擋且距離分別為100m和50m，以及接收機與電臺中間存在高大建筑物遮擋且距離為50m，其余參數(shù)見表3。信號采集完之后，以2 048個點為單位進行分割，然后分別計算每段信號的直方圖特征（特征的維度可以調(diào)整），最后將特征放入算法中進行計算并識別各段信號。3.2.2 特征維度對識別效果的影響

【參考文獻】：
期刊論文
[1]通信輻射源個體識別的自編碼器構(gòu)造方法[J]. 黃健航,雷迎科.  火力與指揮控制. 2018(11)
[2]自適應(yīng)局部半徑的DBSCAN聚類算法[J]. 秦佳睿,徐蔚鴻,馬紅華,曾水玲.  小型微型計算機系統(tǒng). 2018(10)
[3]Specific Emitter Identification Based on Visibility Graph Entropy[J]. 朱勝利,甘露.  Chinese Physics Letters. 2018(03)
[4]分層結(jié)構(gòu)直方圖及其應(yīng)用[J]. 余旺盛,李衛(wèi)華,侯志強.  電子學報. 2017(11)
[5]基于3D-Hibert能量譜和多尺度分形特征的通信輻射源個體識別[J]. 韓潔,張濤,王歡歡,任東方.  通信學報. 2017(04)
[6]一種基于網(wǎng)格與加權(quán)信息熵的OPTICS改進算法[J]. 安建瑞,張龍波,王雷,金超,懷浩,王曉丹.  計算機工程. 2017(02)
[7]基于最大相關(guān)熵的通信輻射源個體識別方法[J]. 唐哲,雷迎科.  通信學報. 2016(12)
[8]基于雙譜二次特征的通信信號識別算法研究[J]. 劉瑩,單洪,胡以華,王勇.  計算機應(yīng)用研究. 2017(06)
[9]一種基于經(jīng)驗?zāi)B(tài)分解的通信輻射源個體識別方法[J]. 梁江海,黃知濤,袁英俊,黃光泉.  中國電子科學研究院學報. 2013(04)

博士論文
[1]通信輻射源非線性個體識別方法研究[D]. 唐智靈.西安電子科技大學 2013
[2]基于信號指紋的通信輻射源個體識別技術(shù)研究[D]. 徐書華.華中科技大學 2007



本文編號：3480529