基于多域特征融合的通信辐射源个体识别方法

作     者：王检 张邦宁 张洁 魏国峰 郭道省 WANG Jian;ZHANG Bangning;ZHANG Jie;WEI Guofeng;GUO Daoxing

作者机构：陆军工程大学通信工程学院江苏南京210007 

出 版 物：《兵工学报》 (Acta Armamentarii)

年 卷 期：2023年第44卷第4期

页      面：949-959页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主　　题：通信辐射源识别 特征融合 多通道卷积神经网络 低信噪比 

摘      要：为解决利用单一特征进行通信辐射源个体识别识别率不高的问题,提出一种基于多域特征融合的通信辐射源个体识别方法。提取通信辐射源发射信号的多个变换域特征,并组合这些特征为多域特征。构建多通道卷积神经网络,利用多通道卷积操作对多域特征进行深层次提取。通过神经网络的分类器,完成对通信辐射源个体的分类。在低信噪比和瑞利信道条件下,使用所提方法对20个CC2530设备进行识别。研究结果表明:与基于单一特征的辐射源个体识别方法相比,该方法充分利用了通信辐射源发射信号的多个变换域特征,结合神经网络的强大细微特征挖掘能力,实现了对通信辐射源个体的有效识别;该方法能够显著提升在低信噪比的识别准确率和时效性,在0 dB条件下的识别效果仍可达到91.01%。